4th place solution in Baidu Autonomous Driving Lane Segmentation Competition

比赛链接：无人车车道线检测挑战赛

数据下载地址：

• 初赛训练集
• 初赛测试集
• 复赛训练集
• 复赛测试集

• 1080ti
• RAM>=16G
• paddlepaddle-gpu>=1.2
• CUDA>=8.0

• U-Net
• Deeplab v3+
• MultiResUNet
• DenseUNet
• Pyramid-Attention-Networks

其中代码复现基本都是从Keras代码翻译到Paddle代码，所以我也贴一下上面几个模型参考的Keras源码地址：

• Keras U-net
• Keras Deeplab v3+
• Keras MultiResUNet
• DenseUNet
• Pyramid-Attention-Networks

请下载上面数据链接中的所有数据，把训练数据zip包放到data/ApolloDatas/train目录下面并解压，把测试数据zip包放到data/ApolloDatas/test目录下面并解压。

请戳链接下载params文件放到params文件夹下，提取码4qsa 。

python train.py --model=unet 

这里训练默认为从头训练，其中unet可以替换为deeplab_v3p，deeplabv3p_ours，multires_unet，dense_unet和pannet，分别对应上面几个模型。

如果用预训练模型请在train.py下把pretrain_model的值改为1。

python predict.py.py --model=unet 

其中unet可以替换为deeplab_v3p，deeplabv3p_ours，multires_unet，dense_unet和pannet，分别对应上面几个模型。

• 正负数据不均衡：focal loss
• 透视变换训练俯视图
• SCSE: Concurrent Spatial and Channel ‘Squeeze &Excitation’ in Fully Convolutional Networks

感谢队友universea提供的算力资源和强力输出，比赛之后认识了一堆大佬，这场比赛收获颇丰！

我们的比赛队伍id是Litchll，最终复赛得分0.60763，排名第四。

因为模型较大，所以运行时如果内存不足可能报错，这时可尝试调节减小输入的size让代码运行。

欢迎任何形式的PR和issue。

最后附上第一名大佬的解决方案：https://github.com/gujingxiao/Lane-Segmentation-Solution-For-BaiduAI-Autonomous-Driving-Competition ，干货满满！