HybridNets

开始之前

请从安装了 Python>=3.7 和 PyTorch>=1.10 的环境开始。要安装 PyTorch，请参阅 https://pytorch.ac.cn/get-started/locally/。要安装 HybridNets 依赖项

pip install -qr https://raw.githubusercontent.com/datvuthanh/HybridNets/main/requirements.txt  # install dependencies

模型描述

HybridNets 是一个用于多任务的端到端感知网络。我们的工作重点是交通目标检测、可行驶区域分割和车道检测。HybridNets 可以在嵌入式系统上实时运行，并在 BDD100K 数据集上获得最先进的目标检测和车道检测性能。

结果

交通目标检测

模型	召回率 (%)	mAP@0.5 (%)
MultiNet	81.3	60.2
DLT-Net	89.4	68.4
Faster R-CNN	77.2	55.6
YOLOv5s	86.8	77.2
YOLOP	89.2	76.5
HybridNets	92.8	77.3

可行驶区域分割

模型	可行驶区域 mIoU (%)
MultiNet	71.6
DLT-Net	71.3
PSPNet	89.6
YOLOP	91.5
HybridNets	90.5

车道线检测

模型	准确率 (%)	车道线 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

从 PyTorch Hub 加载

此示例加载预训练的 HybridNets 模型并传入图像进行推理。

import torch

# load model
model = torch.hub.load('datvuthanh/hybridnets', 'hybridnets', pretrained=True)

#inference
img = torch.randn(1,3,640,384)
features, regression, classification, anchors, segmentation = model(img)

引用

如果您发现我们的论文和代码对您的研究有用，请考虑点赞和引用

@misc{vu2022hybridnets,
      title={HybridNets: End-to-End Perception Network}, 
      author={Dat Vu and Bao Ngo and Hung Phan},
      year={2022},
      eprint={2203.09035},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}