车道检测代码:通过自我注意蒸馏学习轻型车道检测CNN(ICCV 2019) 源码

此存储库还包含Tensorflow实现 。 (SCNN-Tensorflow) 新闻 已发布。 (在CULane测试集中可以达到73.1 F1措施) , 和已发布。 主要特点: (1)ENet-label是基于的轻量级车道检测模型,并采用了自注意蒸馏技术(更多细节请参见本文)。 (2)与最新的SCNN相比,它的参数减少了20倍,运行速度提高了10倍,并且在CULane测试集上达到了72.0 (F1量度)(优于SCNN,达到了71.6)。 它还在TuSimple测试集中达到96.64%的准确性(优于SCNN,达到96.53%),在BDD100K测试集中达到36.56%的准确性(优于SC