1 待解决问题

UFLD-v2是一个非常优秀的车道线检测模型。也有一些问题。

1 参数量太大，一个模型600+M。

2 不能区分车道线。

2 工作内容

改进方法如下

2.1 降低参数量

对模型网络逐层参数量，可以发现，86%（很久之前分析的）的参数集中在最后的两个fc层上。

fc_a+fc_b 拆解成(fc0_a + fc1_a)+(fc0_b + fc1_b).

举例：

fc1 = liner(100,200)(...)
fc2 = liner(200,100)(fc1)

分解为

fc1_a= liner(100,120)(...)
fc1_b= liner(100,80)(...)
fc2_a = liner(120,80)(fc1_a)
fc2_b = liner(80,20)(fc1_b)

参数计算

(100*200+200*100)-(100*120+100*80+120*80+80*20)=40000-31200=8800.

2.2 区分车道线类别

这里参考的实例分割。有一种实例分割采用的是在语意分割的基础上，添加一个分类头去实现。

如果直接添加在最后一层，将会大大增加模型参数量，经测试，模型到了1.3g大小。

经过测试，backbone为resnet34，在第2个block尾部加入分类器效果最好。

2.3 训练技巧

分头训练策略。首先训练原始的网络内容，然后凝固参数，训练分类器参数。

代码：GitHub - Salary-only-17k/Ultra-Fast-Lane-Detection-v2-pp