百度Apollo无人车车道线检测挑战赛(一)
百度Apollo车道线分割比赛一(数据处理) 百度Apollo车道线检测比赛用的数据集是百度自己制作的数据集,数据集是像素级的标注,比tusimple的数据集要更加精准,下图为原图和标签,数据集 下载地址 百度比赛要求采用百度自己的深度学习框架飞浆(paddlepadle)实现, 比赛前35名方案 本方案采用pytorch实现,且采用复赛的数据集,标签为灰度值图像。 本实现数据集处理为实时预处理的形式,这样可以节省内存空间,特别使用服务器去训练时会场方便,首先下载复赛的数据集,包含样本和灰度值的标签。 实时预处理的思路很简单,将数据集的样本和标签映射到csv文件中,训练时按照csv的顺序去读取样本,并且处理好送到训练的模型。 ***第一步***将下载的数据集映射到csv文件。处理文件utils.make_list.py,代码如下: #coding=utf-8 #@author : Jiangnan He #@date : 2019.12.25 15:47 """ img_process 生成的文件结构如下: --train_set :D:\Dataset\Apollolaneline\train_set - gt_image - src_image -- test_set :D:\Dataset\Apollolaneline\test_set - src_image """