模型介绍
中文整理YOLOPV2全景驾驶感知模型介绍
YOLOPv2 适用于自动驾驶场景下的实时全景驾驶感知, 同时执行三种不同的任务，分别为车辆检测，可行驶区域分割以及车道线分割。
模型描述
YOLOPv2(官方代码) 是YOLOP(You Only Look Once for Panoptic Driving Perception)的升级版，输入一张图像，输出所有车辆区域检测框、可行驶区域(Drivable area)和车道线(Lane Line)分割图。可视化结果如下。
模型整体架构图如下:
使用方式和范围
使用方式：
输入任意分辨率图像，返回图像中的车辆坐标，可行驶区域及车道线二值化（0，1）数组，支持CPU/GPU 推理。
使用范围:
本模型适用于车载镜头视角下的自动驾驶场景，适合2D image 输入的任务。
如何使用
在ModelScope框架上，提供输入图片，即可通过简单的Pipeline调用来使用。
代码范例
模型局限性以及可能的偏差
部分非常规图片（鱼眼环视图)或车辆遮挡严重可能会影响输出结果
模型暂不支持行人检测
训练数据介绍
使用BDD100K 数据集
数据评估及结果
模型在BDD100K验证集上分别对车辆检测、可驾驶区域分割及车道线分割进行评估，结果如下:
车辆检测
Model mAP@0.5 (%) Recall (%)
:------------------: :------------: :---------------:
MultiNet 60.2 81.3
DLT-Net 68.4 89.4
Faster R-CNN 55.6 77.2
YOLOv5s 77.2 86.8
YOLOP 76.5 89.2
HybridNets 77.3 **92.8**
- * YOLOPv2 ** **83.4**(+6.1) 91.1(-1.7)
可驾驶区域分割
Model Drivable mIoU (%)
:----------------: :-----------------:
MultiNet 71.6
DLT-Net 71.3
PSPNet 89.6
YOLOP 91.5
HybridNets 90.5
YOLOPv2 **93.2(+1.7)**
车道线分割
Model Accuracy (%) Lane Line IoU (%)
:----------------: :------------: :-----------------:
Enet 34.12 14.64
SCNN 35.79 15.84
Enet-SAD 36.56 16.02
YOLOP 70.5 26.2
HybridNets 85.4 **31.6**
- * YOLOPv2 ** **87.3(+1.9)** 27.2(-4.4)
引用
Clone with HTTP
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。