我们基于yolov5的backbone修改模型的neck和head使其能够满足对车道线和路面标识检测的要求。 基于分割获取浅层车道线信息及检测的方法获取路面标识信息。 本代码只包括预测及结果可视化部分,训练代码由于比较复杂,所以没有放进来。
@import "test_1.png"
@import "189.jpg"
matplotlib
glob
cv2
colorsys
os
time
numpy
torch
PIL
在main函数中,需要指定检测图片的文件夹; 同时,需在下方设置检测结果所保存的位置。 默认数据输入格式为宽:1920,高:1080 其余图片输入格式还没有尝试。
detect_dir = '/home/ktd/rpf_ws/yolov5-pytorch-main/VOCdevkit/VOC2007/JPEGImages/'
mask_save = '/home/ktd/rpf_ws/yolov5-pytorch-main/pred_mask'
image_save = "/home/ktd/rpf_ws/yolov5-pytorch-main/pred_image"
模型权重可以通过百度网盘下载: 链接: https://pan.baidu.com/s/1NLBB8lE1VUuPV8F5DUueLg 提取码: v5tv 指定权重所在地址,在YOLO类的初始化中
"model_path" : '/home/ktd/rpf_ws/yolov5-pytorch-main/12/last_epoch_weights.pth',
pyhton predict_image.py