도로 영역 추출 모듈 연구
다양한 segmentation이 제안되어있고 지표가 측정되어있지만, 주행하고자 하는 거리에 따라 mIOU가 다르게 측정될 수 있고 정량적/정성적인 성능 평가를 해야 하기에 진행
모델명 | 데이터셋 | eval 결과 (mIOU) | 비고 |
---|---|---|---|
HybridNets | private | 0.9418 | conda env = yolox, half(float16 연산) 적용, fine tuned on hybridnets.pth |
YOLOP | private | 0.8894 | conda env = owod, morphology 적용한 후 성능 평가, from scratch |
Lawin transformer | private | 0.8650 | official code release 되기 전. semantic segmentation를 참조하여 inference 진행. 약 50ms 의 inference 속도를 가짐(batch_size == 1) |
PIDNet-Pretrained | cityscapes 데이터셋 | 0.7549 | PIDNet_L_Cityscapes_test.pt 모델이 사용되었으며, Imagenet 데이터셋으로 pretrain 후 cityscapes 데이터셋으로 fine-tuned 됨. |
PIDNet | private | 0.8479 | real-time SOTA로 paperswithcode에서 확인, 파트라슈 프로젝트 기준 SOTA X |
성능 평가용 이미지는 비공개이며, 일부만 demo에 공개합니다.
IOU 비교는 검은 배경에 하얀색으로 도로 부분을 마킹하여 저장한 후, IOU.py 를 실행하여 값을 산출 할 수 있습니다.
기타 변수들은 iou.yaml 파일을 확인하시길 바랍니다
N/A