cfzd
cfzd
@licc0431 这个看起来很奇怪啊，因为第一个normal场景的评估都已经结束了，能在单卡的情况下跑一下看看会报错吗？
@licc0431 那实在不行就关掉评估吧，让他只跑训练的代码，训完之后再做评估。可能需要稍微改一下保存模型部分的逻辑，每个epoch都保存
@lwplw 抱歉，暂时没有。
@Yutong-gannis 强的强的
@Astulx 车道线的组织形式是`[lane1, lane2, ...]`，其中每个`lane`是`[(x1,y1),(x2,y2),...]`，你只需要拿出来不同的车道线给不同的颜色就可以了。 https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2/blob/849fa7b90c189b646d12adc1d807bec54e982031/demo.py#L114-L117
@Fakeisall 你可以根据这个地方的mode进行修改： https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2/blob/c903880678454dfd9b55a63022368db05c00bc6d/evaluation/eval_wrapper.py#L695
@layfolk001 - Effectiveness of the Hybrid Anchor System 目前默认是hybrid anchor，如果你想改成row anchor，那么注释掉第二行，同时把第一行的'normal'换成None即可。col anchor同理。 https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2/blob/c903880678454dfd9b55a63022368db05c00bc6d/evaluation/eval_wrapper.py#L511-L512 - Effectiveness of the Ordinal Classification 修改配置文件中的mean_loss_w为0即可 - Effects of the Number of Anchors 修改配置文件中的num_row和num_col即可
@layfolk001 第1个问题，你是在CULane数据集上评估的吗？ 第2，3个问题，网络配置改了，你需要重新训练才能得到这个配置下的结果。
@layfolk001 那不可能啊，你要不试试只注释掉第二行，但是'normal'不改成None，看看评估结果会不会下降
@layfolk001 因为tusimple数据集规定了它的row anchor，在增加或者减少anchor之后，你需要做个插值来对齐到它规定的row anchor