- 模型架構：ResNet-18
- 原始影像大小：
- 224x224 (原始版本)
- 224x130 (改進版本)
- 訓練目標：車道辨識，預測路徑落點
- 平均辨識速率：60ms
80ms (提提升版本)、50ms110ms (提升版本) / 150ms~200ms (原始版本) - 相機FPS：
- 5fps（224x224 原始版本）
- 9~13fps（224x130 改進版本）
- 參數
| 版本名稱 | 描述 | 資料集 |
|---|---|---|
| best_steering_model_xy.pth | 第一個成功版本，使用初始的 1100 資料集進行訓練 | 1100 |
| resnet18_1600.pth | 新增樣本數以涵蓋更多角度 | 1600 |
| resnet18_1600_v2.pth | 重新標記資料以避免過於極端的標記，減少誤判 | 1600-v2 |
| resnet18_1600_v3.pth | 增加 100 張靠左直線空白區域樣本，增強對直線的辨識 | 1600-v3 |
| resnet18_1600_v4.pth | 增加 300 張靠右直線空白區域樣本，加強模型在右側車道的穩定性 | 1600-v4 |
| resnet18_finetuned_fp16.pth (看起來fintuning太少) | 半精度加速(量化) | 1600-v4 |
| resnet18_finetuned_fp16_pruned.pth (預測軟體看起來不錯)(以測試可以加速10% 效果不差) | 半精度加速(量化)+10%剪枝 | 1600-v4 |
- 平台：JetBot (依賴相機)
- 訓練文件： TrainRestnet_TensorRT.ipynb
- 運行程式：
- 道路跟隨程式 (原始影像)： NormalRoadFollowing.ipynb
- 道路跟隨程式 (截去影像上部)： NormalRoadFollowing-CutImage.ipynb
- 預測落點並顯示：
- 原始影像：Predict (1).ipynb
- 截去影像上部：PredictCutImage.ipynb
- 測試相機處理速度：
- 原始影像：TestExcuteSpeed.ipynb
- 截去影像上部：TestExcuteSpeed-CutImage.ipynb
- 平視拍攝：
- 拍攝角度較接近人眼平視，避免僅依賴路面特徵，有助於提前預測動向。
- 平視需更大量樣本以忽略上半部分背景，否則易受雜訊影響。
- 影像裁剪：
- 去除影像上半部分 40% 的資料，避免背景干擾，僅保留車道特徵，有助於提高模型穩定性。
- 對 ResNet-18 進行輸入適配 (224x130) 訓練，顯著減少辨識延遲。
- 半精度(量化)10%~20%剪枝
- 將訓練好的模型減少精度FP32->FP16 加速計算
- 並重新fintuning 減小模型.ipynb
- 提升到60ms~80ms
- TensorRT
- 執行腳本(本地我搞不出來)Colab腳本
- 原始版本：lane_detection_model.pth
- 改進版本：best_steering_model_xy.pth
- 其他版本：
train.txt is form dataset
train2.txt is base on train.txt add dataset fliter by car anntoion