端到端的多任务感知网络：目标检测、车道线、freespace，性能优于YOLOP。HybridNets: End-to-End Perception Network

端到端的多任务感知网络：检测、车道线、freespace，性能优于YOLOP。HybridNets: End-to-End Perception Network

端到端的多任务感知网络：目标检测、车道线、freespace，性能优于YOLOP，速度可实时。论文 HybridNets: End-to-End Perception Network，代码已开源。

欢迎对车道线检测、车位检测、freespace、目标跟踪、目标检测、目标分类、目标分割、深度估计等任务及自动驾驶技术（感知、融合、规控、定位、建图、传感器等）感兴趣的朋友，加入技术交流群，一起学习一起玩！对群友问题提供优质回答的有奖励。

相关阅读（点击进入）：

车道线检测综述及近期新工作
https://blog.csdn.net/qq_41590635/article/details/117386286

车道线检测新工作VIL-100: A New Dataset and A Baseline Model for Video Instance Lane Detection ICCV2021
https://blog.csdn.net/qq_41590635/article/details/120335328

自动驾驶视觉感知之语义分割+车道线检测demo
https://mp.weixin.qq.com/s/gS-pZyhdq4f-jRJo9MjY8Q

CVPR2022车道线检测Efficient Lane Detection via Curve Modeling
https://blog.csdn.net/qq_41590635/article/details/124144880?spm=1001.2014.3001.5501