如何使用预先训练好的“laneNet”系列网络对自定义视频进行车道检测?
19次意见(过去30天)
显示旧的注释
如何使用预先训练好的“laneNet”系列网络对自定义视频进行车道检测?
我指的是以下例子:
当我试图在我自己的视频中采用车道检测的例子时,车道检测是不正确的。具体来说,当我为自己的视频使用预训练的“laneNet”和默认的预训练参数“laneCoeffMeans”和“laneCoeffStds”时,检测到的车道是不正确的。
接受的答案
MathWorks支援小组
2021年11月1日
编辑:MathWorks支援小组
2021年11月1日
这种行为是预期的,因为训练过的网络和训练过的参数是专门为训练数据训练的。在您的测试视频中,可能有许多参数与训练数据集不同。在自定义视频上无法直接使用预先训练好的“laneNet”系列网络。
您还可以将预先训练好的网络作为起点,通过执行迁移学习来学习新任务。用迁移学习对预训练的网络进行微调通常比用随机初始化的权重从头训练网络更快更容易。您可以使用较少的训练数据快速地将学习到的特征转移到新任务中。
你可以参考下面的链接,了解更多关于如何使用迁移学习重新训练AlexNet(预训练的卷积神经网络)来分类一组新图像的信息:
车道检测的另一个可能的解决方案是,你可以使用自动驾驶系统工具箱中的Ground Truth Labeler应用程序,用代表左右车道边界的Ground Truth标记一组自定义训练数据。
您可以参考以下链接,了解更多关于深度学习的车道检测和自动车道边界的地面真相标记的信息:
此外,您还可以定义摄像机配置,以正确地对视频执行车道检测。你可以参考以下链接的例子,展示如何构建一个单眼摄像机传感器模拟能够车道边界检测:
1评论
Nada斯莱姆
2021年4月22日