cfzd
cfzd
@ycdhqzhiai Thanks for your comment! I'll make a push to fix this problem.
@guodaoyi 这个似乎是一个dali的问题，你可以到nvidia dali的开源库中提issue问问
@578223592 如我们在文章中所说的，速度是在3090上测的
我需要更多的信息才能反馈，比如你通过何种方式得到上图结果的
@guodaoyi demo.py中的 https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2/blob/7df2f1280e52c16a46fb3346868d53ec795b9159/demo.py#L114 ```original_image_width = img_w``` ```original_image_height = img_h``` 是怎么设置的啊，他们等于1280和720吗？
@guodaoyi 那你是怎么把数据读取到网络中的呢？是通过`LaneTestDataset`的吗？ https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2/blob/7df2f1280e52c16a46fb3346868d53ec795b9159/demo.py#L98 还是说你直接读取的视频，转成tensor就输入网络了
@guodaoyi https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2/blob/7df2f1280e52c16a46fb3346868d53ec795b9159/demo.py#L113 网络检测的输入是通过`LaneTestDataset`实现的，但是用来可视化的图片是直接从硬盘上读出来的，所以会不会是这个地方的vis的分辨率是你的原始分辨率，不是`1280x720`呢？
@guodaoyi 既然这样的话感觉好奇怪啊，我看你那个可视化结果第一个感觉就是分辨率的问题。在这个版本中，所有的车道线坐标，包括anchor都是通过归一化到[0,1]的坐标表示的，预测完成后再把结果乘上图像分辨率大小获得图像空间的坐标，既然你culane_res34上的结果是对的，那理论上tusimple_res34应该也是一样的，可能会tusimple数据集比较小效果比较差，但是不太可能出现这种大范围的错位的结果。 还有别的信息吗？如果你的config、模型、输入方式、可视化图像的读取都是正确的话，不可能会出错的啊。。。
@Troye5585 我已经忘了当时为什么没把LLAMAS的模型放上来。。。可能是因为LLAMAS数据集太简单了吧，全是高速的清晰线条，如果你想训练，就简单地把他的标注转换成TuSimple的形式训练就行了
@ycdhqzhiai 你能拿到的代码就是我所有的代码了，没有任何保留，也没有任何特殊处理，我觉得可能还是后续工具链的问题吧，尤其是fp32也没问题。