LaneATT代码阅读理解

LaneATT代码：https://github.com/lucastabelini/LaneATT

代码结构：

• cfgs： 默认/预设配置文件
• figures：README用到的图片
• lib
  • datasets
    • culane.py :  CULane数据集加载器
    • lane_dataset.py : 将来自LaneDatasetLoader中的未经过处理的 annotations 转换为模型可以使用的形式
    • llamas.py:  LLAMAS数据集加载器
    • nolabel_dataset.py:  加载不需注释的的数据集/或者做快速量化测试
    • tusimple.py：TuSimple数据集加载器
  • modes:
    • laneatt.py: LaneATT模型实现部分
    • matching.py: 用于gt和proposal匹配的效用函数
    • resnet：resnet的实现部分 
  • nms: LaneATT模型的实现
  • config.py: LaneATT模型的实现
  • experiment.py： 跟踪和存储有关每个实验的信息
  • focal_loss.py：focal loss代码
  • lane.py：车道线表示
  • runner.py：训练和测试循环
• utils：
  • culane_metirc.py: 非官方的CULane metric的实施。这个比官方的快，然后和官方的结果不是非常精确的匹配（error in the order of 1e-4）。因此，论文最终结果用的是官方的metirc。
  • gen_anchor_mask.py: 计算数据集中要在锚点筛选步骤中使用的每个锚点的频率（论文提到锚点的数量会限制速度，所以挑选使用频率最大的部分锚点，这是一位朋友评论点到的）
  • gen_video.py:从模型预测生成视频
  • llamas.metric.py： llamas数据集的实用程序函数
  • llamas.utils.py: LLAMAS 数据集的实用程序函数
  • speed.py: 测量模型的效率相关指标
  • tusimple_metirc.py: tusimple数据集图片度量的官方实现
  • viz_dataset.py :显示从数据集采样的图像（增强后）
• main.py: 运行实验的训练或测试阶段