canpian7的博客

Ultra Fast Structure-aware Deep Lane Detection (ECCV2020)下载tusimple数据集，解压之后的目录结构处理tusimple数据集json文件生成txt标签文件python scripts/convert_tusimple.py --root "F:\car\dataset\tusimple\train_set"运行代码之后生成test.txt和train_gt.txt文件train_gt.txt文件和test.txt文件内容如下：

实验准备ssd项目代码：ssd_tensorflow数据集下载：VOC2007vgg_16.ckpt新建相关的文件夹将解压下来的项目代码和VOC2007和vgg_16.ckptVOC2007的文件夹目录如下xml文件转换为tfrecord格式文件运行根目录下的tf_convert_data.py文件将xml文件转化成tfrecord文件python tf_convert_data.py --dataset_name=pascalvoc --dataset_dir=./V..

环境windows10+python3.7 + pytorch(cuda10)1.准备工作1.pytorch_YOLOv4代码下载:pytorch_YOLOv4导入相应的模块：numpy==1.18.2pip install numpy==1.18.2 -i https://pypi.douban.com/simple/下面类推。torch==1.4.0tensorboardX==2.0scikit_image==0.16.2`matplotlib==2.2.3tqdm==4.43

代码地址：https://github.com.cnpmjs.org/endernewton/tf-faster-rcnn下载代码git clone https://github.com/endernewton/tf-faster-rcnn.git在安装脚本中更新你的-arch以匹配你的GPU（Update your -arch in setup script to match your GPU）|GPU model| Architecture ||-GTX 960m-|-sm_5

准备工作Tensorflow版本1.14数据集：tusimple数据集复现代码lanenet-lane-detection-master本地项目代码路径F:\car\code\lanenet-lane-detection-master本地数据集路径F:\car\dataset\tusimplevgg.npy下载放在项目路径的data目录中执行项目文件，脚本如下src_dir是你自己的数据集的目录cd lanenet-lane-detection/toolspython tools/gen