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 (%)
MultiNet81.360.2
DLT-Net89.468.4
Faster R-CNN77.255.6
YOLOv5s86.877.2
YOLOP89.276.5
HybridNets92.877.3

可行驶区域分割

模型可行驶区域 mIoU (%)
MultiNet71.6
DLT-Net71.3
PSPNet89.6
YOLOP91.5
HybridNets90.5

车道线检测

模型准确率 (%)车道线 IoU (%)
Enet34.1214.64
SCNN35.7915.84
Enet-SAD36.5616.02
YOLOP70.526.2
HybridNets85.431.6

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}
}

HybridNets – 端到端感知网络

模型类型: 视觉
提交者: Dat Vu Thanh