开始之前

请在已安装 Python>=3.7 环境和 PyTorch>=1.10 的条件下开始。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。我们的工作专注于交通目标检测、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 数据集上取得了最先进的目标检测和车道检测结果。

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，并传递图像进行推理。

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，请考虑加星和引用

@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}
}