SCNN-Deeplabv3-bisenet-icnet
无人车车道线检测挑战赛baseline分享
详情请点击参赛链接:
http://aistudio.baidu.com/aistudio/#/competition/detail/5 赛题详细介绍可以通过链接去阅读，同时想要找数据集的也可以去下载，如果下载地址失效，可以通过最底下邮箱联系我（如果百度官方觉得数据集涉及到侵权请告知立马删除）。
本次比赛的时间为2018.12.202019.3.15，本次比赛主要是2018.12.202019.1.25期间做出的成绩，最终复赛成绩，单模型0.484。
（这里本人并不是要说明自己又多厉害，其实本人菜的很，只想说明这几个模型还有很大的提升空间，本人能力有限希望大佬能帮忙改进）
本来2018年春节回去打算大干一场的，结果想太多，一回去就是搬砖和家里的各种杂事，年后回学校由于找实习和论文等各种事儿，很多有效的改进和想法只能止步于想法。
比如： 一、车道线远近不同可以通过透视变换变成俯视图，可以提高远处的车道线的准确率
二、模型之间的融合，每个模型对每个类别的识别效果不一样，可以做一个bagging的**
三、对图像预处理做对比变换。
四、识别后可以用经典图像方法后续处理，如：腐蚀，膨胀，连通域等
无奈，想法最后只能止步是想法，希望这些想法对做车道线的大佬有点儿帮助。
框架：paddlepaddle（爬都爬抖）
由于本次比赛是基于paddlepaddle框架的车道线分割，目前paddlepaddle的用户较少，而且paddlepaddle开源的语义分割的模型更是有限。 只能自己一步一步的采坑踩过来，其中的艰辛都是泪（paddlepaddle的机制太不完善，不过值得庆幸的是百度的issue和工程师很给力）。
本次比赛使用的主要模型有：BiseNet、SCNN、deeplabv3+、ICNet，
论文地址：
Deeplabv3+:https://arxiv.org/pdf/1802.02611.pdf
SCNN：https://arxiv.org/pdf/1712.06080.pdf
ICNET：https://arxiv.org/pdf/1704.08545.pdf
BiseNet:https://arxiv.org/abs/1808.00897
由于时间匆忙，数据读取和制作的地方写的不太灵活动，不过其中我都写了很多注释，可以调用函数来读取数据。 主要还是看模型部分即可，数据读取和制作的方式各位大佬可以根据自己的喜好来即可。 （模型主要参照论文来复现的，模型写的很粗糙，欢迎大佬改进和吐槽）
如果能对您们有帮助是我荣幸，也大佬麻烦用您的小手按下右上角的star，谢谢各位大佬！！！
想一起学习和交流技术欢迎邮件联系（看到了邮件必回复）,一起交流和学习一起进步，需要百度数据集的也请邮箱联系我，到时候百度网盘链接分享给你！