详细教程——LaneNet-Lane-Detection车道检测，训练自己的数据集

写在最前，经历过社会的毒打，才知道这么个好东西：github上除了下载代码，还有好多大神讨论的留言，快来看看有没有你需要的！

Issues · MaybeShewill-CV/lanenet-lane-detection · GitHub

点击closed可以看到更多已经结帖的讨论

（1）源代码：https://github.com/MaybeShewill-CV/lanenet-lane-detection，获取于2020.07.08

GitHub大佬更新的比较勤快，后续更改的还请多看GitHub描述

update in 2020.11.10

我前几天下载的压缩文件中，发现lanenet-lane-detection-master\data\training_data_example下的文件夹名字变了，我大概看了一下代码，好像用的还是以前的文件夹名字，下面第一个是我用的，第二个是现在下载文件里的，运行的时候可以自己看一下代码

（2）环境：ubuntu 16.0.4(x64), python3.5, cuda-9.0, cudnn-7.0，TESLA P100 GPU（阿里云服务器，内存16GB），tensorflow_gpu==1.12.0，requirements.txt中opencv修改成opencv-python

注：环境中没有安装tensorflow，手动安装一个即可，版本最好也是1.12，我在1.12下运行成功了，其他缺啥安装啥即可

安装了tensorflow_gpu==1.12.0即可，tensorflow可以不用安装，安装的版本过高，反而会导致不用GPU训练

CUDNN7.0 貌似有点问题，我自己在Windows上和Ubuntu上运行的时候都报错了，提示的是需要在7.0（或者7.2）以上版本运行，但是7.2好像已经下载不到，不更新了，最后下载的7.3.1运行成功

update in 2020.11.10

经测，目前来说tensorflow版本在2.0及其以上时，程序会有问题，降版本即可，我用的tensorflow2.1，发现t文件无法生成，降版本后成功生成

tensorflow_gpu2.0以上版本是否可用待测

（3）labelme标注自己的数据集：网上文章多，比较容易解决

综述在前，实际步骤包括（3.1）（3.2）（3.3）

自己遇到的问题：labelme：缺少生成"info.yaml"文件[实际不影响，可以不进行处理]

添加传送门：https://blog.csdn.net/winter616/article/details/104426111，亲测有效

添加传送门：https://blog.csdn.net/flana/article/details/105098470，这是Lanenet网络Tusimple数据集国内源下载，亲测有效，就是某盘速度感人，but相比国外的源，还是快多了

使用labelme运行labelme_json_to_dataset xxx.json报错TypeError: only integer scalar arrays can be converted

添加传送门：https://blog.csdn.net/nuohanfengyun/article/details/105973104

结果：生成json文件夹，包含img.png、info.yaml、label.png、label_names.txt、label_viz.png五个文件

注：labelme 中选择 create linestrip和create point均可，line也OK，从某位大佬在简书中的评论推测出的，我自己用的create line

此处是迷惑了我许久的地方，网上的TuSimple数据集真的是看起来奇形怪状，而下载TuSimple数据集又太慢，某盘大概需要30H，一般人看不到原始数据集和他处理后的样子，所以自己在处理很多错误的时候不太自信，会怀疑自己的数据集有问题，SO，我还是决定写下这部分的流程，并尽可能的通俗简化。

先贴一下Lanenet网络Tusimple数据集中test_set.zip的文件结构吧，这是原始的压缩文件，我没处理过，有机会试试