ultra fast lane detection训练自己的数据集

哇，这个问题简直搞死我，一直报错，错误就是很经典的那一套，我懒得贴了，总而言之，就是说标签值不对。

我认真阅读了作者的知乎回答 他一直说标准分割数据集 就可以训练 我哪知道什么是标准分割数据集呢 还有人一直说是二值标签
但是其实不是哈 不是二值标签 大家知道语义分割训练的时候 标签的像素 是根据类别设置的 比如背景是0，然后dog 是1，cat是2…这个也是这么要求的

这也是为什么我的程序一直跑不通的原因

我认真研究了culane数据集的标签 得到了这个结果

所以 最重要的问题来了 到底怎么设置呢

非常简单（但是我还是搞了很久）

设置一个data_root文件夹名字随便取 我的是my_culane
然后里面放三个个文件夹 一个img存放用于训练的原图 另一个seg用来存放标签图片 还有一个list文件夹里面存放train_gt.txt
(为什么train_gt.txt一定要存放在list文件夹里面呢 这是因为 dataloder.py默认train_gt就在data_root文件夹下面的list文件夹下面，如果有别的文件夹安排格式可以改一下dataloader 但是我是觉得没必要啦)

img中的图片
seg中的图片

如果你不确定 label图片是否符合像素要求 可以用下面的语句检查一下

path = r'D:\Desktop\my_culane\train_data\gt_instance_image'
a = os.listdir(path)
print(a)
for i in a:
    img = cv2.imread(os.path.join(path,i),-1)
    print(set((img.flatten())))

将path修改为标签文件夹路径就可以啦
我的标签设置是四类 从左到右（lane1，lane2，kane3，lane4）

然后就是train_gt.txt，
train_gt.txt的格式

它每一行前面是图片相对于dataroot的位置 后面是标签相对于dataroot的位置 中间有一个空格 关于数据生成 我后面再写一篇 网上方法很多 一般没什么问题

这就好了 直接在终端输入 就ok了

python train.py configs/culane.py