4th place solution in Baidu Autonomous Driving Lane Segmentation Competition
比赛链接：无人车车道线检测挑战赛
数据下载地址：
- 1080ti
- RAM>=16G
- paddlepaddle-gpu>=1.2
- CUDA>=8.0
其中代码复现基本都是从Keras代码翻译到Paddle代码，所以我也贴一下上面几个模型参考的Keras源码地址：
请下载上面数据链接中的所有数据，把训练数据zip包放到data/ApolloDatas/train目录下面并解压，把测试数据zip包放到data/ApolloDatas/test目录下面并解压。
请戳链接下载params文件放到params文件夹下，提取码4qsa 。
python train.py --model=unet
这里训练默认为从头训练，其中unet可以替换为deeplab_v3p，deeplabv3p_ours，multires_unet，dense_unet和pannet，分别对应上面几个模型。
如果用预训练模型请在train.py下把pretrain_model的值改为1。
python predict.py.py --model=unet
其中unet可以替换为deeplab_v3p，deeplabv3p_ours，multires_unet，dense_unet和pannet，分别对应上面几个模型。
- 正负数据不均衡：focal loss
- 透视变换训练俯视图
- SCSE: Concurrent Spatial and Channel ‘Squeeze &Excitation’ in Fully Convolutional Networks
感谢队友universea提供的算力资源和强力输出，比赛之后认识了一堆大佬，这场比赛收获颇丰！
我们的比赛队伍id是Litchll，最终复赛得分0.60763，排名第四。
因为模型较大，所以运行时如果内存不足可能报错，这时可尝试调节减小输入的size让代码运行。
欢迎任何形式的PR和issue。
最后附上第一名大佬的解决方案：https://github.com/gujingxiao/Lane-Segmentation-Solution-For-BaiduAI-Autonomous-Driving-Competition ，干货满满！