可以用自制数据集训练吗

[hungrybreadyosoro]

我想用自己用labelme标注的数据集训练，我看这里只给出了culane和tusimple的格式，请问需要做哪些修改呢？

[zkyseu]

@hungrybreadyosoro 您好，最简单的方式是将您数据集格式转成CULane或者Tusimple。如果您想自己定义数据集格式，我这里给您提供一个修改的方法。 在base_dataset.py文件里的BaseDataset类增加一个类似CULane和Tusimple数据集类中load_annotations()函数，该函数中需要定义self.data_infos这个变量，self.data_infos是一个列表，列表中每个元素是一个字典，字典中需要包括{"img_path","mask_path",''lanes'}三个基本的键。定义好之后，您还需要在类里面定义一下evaluate函数用于验证模型性能。

[hungrybreadyosoro]

感谢您的回答！我按照culane的格式，编写了一个train_gt.txt的文件，指明了每组输入图像和标签图像的路径，应该可以正常训练。现在还有几处疑问想请教一下： ①我想用condlanenet的方法训练，自制数据集尺寸是1920*1080，我注意到resnet50_culane.py中有sample_y=(590, 270, -8)，这个该如何设定呢？590是culane数据集的尺寸，270到590是可能出现车道线的范围，这样理解对吗？以及-8是怎么设置的？ ②此外，第90行到第104行当中，img_height和img_width是如何计算的？ ③crop_bbox是不是起到一个裁切的作用，裁切出画面中可能存在车道线的画面？ ④mask_size = (1, 80, 200)是如何设置的？ 还请包含一个深度学习小白，一次问了您很多问题，望不吝赐教！

[zkyseu]

@hungrybreadyosoro

1. CULane在最后进行验证时候是取离散的点进行F1 score的评价，因此需要沿着图片宽的方向也就是y轴进行采用样。[270,520]是车道线出现的范围。-8是采样步长，沿y轴每8个像素点进行采样。这个在实际中可以按照你的标签来设置-8这个值，因为CULane中是每8个像素因此取-8.
2. img_width是图片宽度，这个值可大可小，依据你的实际数据集情况来设置，320=590-270。也就是车道线所在图片的范围。
3. 理解是正确的，crop_bbox就是将不包含车道线部分图片裁剪掉。
4. mask_size =(1, 80, 200)是用来求point的位置的，每个point所在方格大小为4*4，因此80=320/4，200=800/4. 数据增强参数一般默认即可，因为CULane数据集已经足够复杂了

[zkyseu]

如果您还有问题的话欢迎重新打开这个issue，没有的话我就先关闭该issue。