尧图网页设计 
简介面向自动驾驶场景的深度学习实战内容基于 Unet 网络实现车道线分割提供完整手写训练代码、约3200张图像与标注组成的数据集以及训练好的权重结果。代码接口清晰只要按 README 摆放数据即可完成自定义训练适合希望快速上手图像分割任务的研究者或算法工程师。网络仅训练30个epoch全局像素准确率达0.995精确率0.907召回率0.908Dice 0.91数据集中包含验证集划分方便直接评估训练脚本支持 Adam/SGD/RMSProp 优化器、BCE 逻辑损失、余弦退火与阶梯式学习率衰减训练过程会自动保存最优权重、输出数据增强可视化样本、dice/loss曲线和完整训练日志便于复盘和调优。资源共2000个文件以1859张png、133张jpg图像数据、5个Python训练/推理脚本以及README说明文档为主压缩包约489.46MB整体结构清晰。下载后可直接加载训练好的权重进行推理测试省去重复训练时间也可在此基础上继续调优目前已有654人学习。1. 车道线没有“检测框”Unet 凭什么在自动驾驶前视上分割细线拿到一个“基于 Unet 对自动驾驶车道线分割实战”的方案你最先关注的通常不是网络结构有多漂亮而是那套数据集能不能直接喂完整代码能不能跑通训练好的结果是不是真的能加载出图。这个方向解决的是车道线这种细长、连续、容易被遮挡的目标怎么从路面图像里逐像素抠出来的问题。相比目标检测框车道线的宽窄和形态决定了它更适合走语义分割路线。这套实战方案里数据集负责提供真实道路场景和对应 maskUnet 负责把低层边缘信息和高层语义信息揉在一起训练好的权重让你跳过从头训练的成本直接评估效果边界。适合正在做自动驾驶感知、辅助驾驶视觉模块或者刚入门分割想找一个完整闭环来练手的开发者。它解决的问题不算玄学就是让你在一个公开或自建的数据集上把车道线分割这件事做成可复现、可继续调优的工程而不是只停留在读论文阶段。2. 选型先说透Unet 解决的是细线分割的“语义-边缘”矛盾2.1 从 Unet 到 Unet补的不是层数而是跳跃连接的“接力”Unet 在分割任务里的地位不用多说它用编码器逐层下采样拿语义再用解码器逐层恢复分辨率中间用 skip connection 把同尺度的特征拼回来。但 Unet 有一个明显的别扭之处编码器第 1 层的特征图细节丰富、语义弱解码器最后一层的特征图语义强、细节已经被池化和步进卷积磨掉不少直接把这两者拼接很容易让小目标、细结构在融合时被打丢。车道线恰恰是最吃这种细节的目标之一几像素宽的偏差就能让分割结果断成两截。Unet 对这个问题给出的做法是“密集跳跃连接”。它在每个解码器节点前面插入了若干中间卷积层让不同深度的特征先做一次次融合再传给下一层。你可以把它理解成把原先一跳到底的长连接改成多级接力每一级都重新校准一次语义和空间位置。这样做的好处是解码器拿到的特征不再是“高层语义 浅层纹理”的简单相加而是经过多次混合后的中间态对边缘定位的精度更友好。在实际落地时常见的实现方式是直接使用 segmentation_models_pytorch 这类库的 UnetPlusPlus省去手写密集连接的麻烦。你只需要指定 encoder_name、encoder_weights、in_channels、classes 几个参数就能拿到模型。不过这带来了一个约束Unet 整体下采样 5 次输入图像的宽和高必须能被 32 整除否则前向传播时拼接特征图的尺寸对不上。注意输入图像尺寸不满足 32 的整数倍时Unet 的 concat 会直接报错这类尺寸约束和普通 Unet 保持一致改输入分辨率时先检查这一点。2.2 车道线的物理特征决定了它吃多尺度融合车道线在真实前视图像里通常只有十几个像素宽长度却跨越整个画面从近处清晰、远处模糊还可能被前车遮挡、被树影打断、在雨夜和强光下对比度骤降。这种细长结构对分割网络的要求很具体要能判断远处模糊区域的线“大致在哪”又要能在近处准确锁定线边缘不能因为路面裂缝或者阴影误判成车道线。这就是为什么 Unet 的思路天然贴合车道线分割。里面尺度较浅的特征能锁定线的走向和整体连续性较深的特征能帮助模型区分“这是车道线”还是“路面污渍”而 Unet 在此基础上用密集连接把多级信息反复融合相当于让网络在每一步解码时都能同时参考“这条线是什么”和“这条线精确在哪里”。相比只用单尺度特征做预测的方案它在细线召回上的表现更稳。我还不能忽略另一个角度车道线分割的最终目标不是输出一个漂亮的 mask而是给下游提供可靠的横向位置参考。如果预测结果在连续性和边缘精度上崩掉后续拟合车道线方程、计算车辆偏离距离都会跟着翻车。因此细线召回率比全局 IoU 更有业务价值这也是选型时会把 Unet 这种“细节敏感型”结构放在优先位置的原因。2.3 和 SCNN、RESA、DeepLabV3 放在一起怎么选做车道线分割时很多人会拿 SCNN、RESA 这类车道线专用网络来对比。SCNN 的核心是信息在空间行与列之间传递让细长结构保持连续RESA 用切片循环聚合特征在一部分车道线榜单上有很强的表现。但从工程落地角度通用分割结构有自己的优势实现难度低数据增强、损失函数、部署工具链都可以复用你已有的经验。对比项核心设计对车道线的优势工程代价Unet密集跳跃连接多级特征融合细线边缘保留好泛化稳定计算量中等代码/库支持成熟SCNN空间行列信息传递擅长细长结构连续性实现复杂库支持少RESA切片聚合特征对遮挡、长线效果好依赖定制算子部署成本偏高DeepLabV3空洞卷积 ASPP多尺度感受野强边缘细节不如前两者细线易丢如果是自动驾驶算法栈里的感知模块我一般会优先把 Unet 作为基线原因很简单它够通用后续换 backbone、换训练数据、接蒸馏都方便要是发现连续性确实不达标再考虑向 SCNN/RESA 迁移也不迟。还有一个现实考量是赛道和公开榜单的数字很高但和你手里的数据分布未必一致反而是一个能稳定复现、可快速迭代的基线更有价值。说到端到端现在不少团队在探索自动驾驶端到端方案直接输出控制指令。即便如此车道线感知依然是很重要的一层监督信号和解耦调试手段。模块化方案不会因为端到端的热度就失去意义Unet 这类分割模型在其中充当的仍然是“把图像变成结构化语义”的底层能力。3. 数据集准备从 TuSimple/自标数据到可直接训练的 mask3.1 三种数据来源与标签格式差异数据集是整个实战方案里最容易低估的部分。标题里写明包含数据集但在你自己动手时依然要搞清楚当前拿到的数据是哪种格式否则训练脚本跑起来会发现标签根本对不上。常见来源有三类TuSimple、CULane、自建标注数据。TuSimple 是自动驾驶场景里很常用的车道线数据集很多公开版本会把原始 JSON 点坐标预处理成二值 mask。原始 JSON 里给出的是每帧图像的 h_samples纵坐标列表和 lanes每个车道的横坐标列表其中无效点用 -2 占位。CULane 的原始格式则更多以 polyline 形式组织需要按行映射生成标注图。这里要强调一个经验下载别人预处理好的 mask 时第一件事不是看 README 的说明而是随机抽十张图把 mask 叠加到原图上人工核对一遍因为不同版本的坐标起点、缩放比例、是否翻转经常有出入。自建数据集则是另一条路径适合你有自己的车载摄像头数据、或者想针对特定场景微调的情况。最稳妥的做法是用标注工具把车道线标成多边形或线点再通过脚本转成二值 mask。这样做能确保标签和图像严格对齐缺点是标注成本高一条车道线密集选点往往要花几十个点击。文件组织上我建议保持目录简单清晰datasets/ train_img/ # 原始前视图 train_mask/ # 对应二值标签车道线为白色 val_img/ val_mask/ train.txt val.txt这里 train.txt 和 val.txt 每一行分别是图像路径和标签路径用空格或逗号分隔。分割模型不像检测任务那样需要一个复杂的 annotation 文件mask 图本身就是监督信号。3.2 把 JSON 点坐标转成二值 mask一个复用脚本如果你拿到的是类似 TuSimple 的 JSON 点坐标可以直接在训练前把标注转换成 mask避免每次加载都解析 JSON。转换脚本的核心思路不复杂读取每一帧的 h_samples 和 lanes 列表在对应坐标点上画圆或画线最后输出一张和原图尺寸一致的灰度图。import json import cv2 import numpy as np def tusimple_json_to_mask(json_path: str, height: int, width: int) - np.ndarray: # 读取 TuSimple 风格标注生成二值 mask with open(json_path, r, encodingutf-8) as f: data json.load(f) mask np.zeros((height, width), dtypenp.uint8) h_samples data[h_samples] # 每个候选点的 y 坐标列表 for lane_x in data[lanes]: # lane_x 是与 h_samples 对齐的 x 坐标列表 points [] for x, y in zip(lane_x, h_samples): if x -2: # 无效点跳过 continue points.append([int(x), int(y)]) if len(points) 1: # 用 polyline 把离散点连成线再设置线宽模拟车道线宽度 pts np.array(points, dtypenp.int32).reshape(-1, 1, 2) cv2.polylines(mask, [pts], isClosedFalse, color255, thickness8) return mask这段脚本里最关键的是-2的判断TuSimple 里无效点用 -2 占位如果不跳过连线时会把一段不存在的车道线硬生生串起来生成严重错误的标签。thickness8是按常见车道线宽度近似设置的具体取值要看你的数据集图像分辨率如果图像是 1280x7208 像素偏细可以适当调大到 12 左右。还需要注意坐标对齐问题。TuSimple 的 h_samples 并不是全图纵坐标而是从某个 y 起点开始的等间距采样点。如果你下载的版本和标准定义不一致转换前最好打印一下h_samples[:5]和h_samples[-5:]确认纵坐标对应到图上确实正确这一步能避免后续训练时的标签偏移。3.3 生成 train.txt / val.txt 数据清单并完成划分有了图像和 mask 之后下一步是把它们整理成训练脚本可以直接读取的清单文件。一个比较省事的做法是先把所有数据放进统一的目录再按照固定随机种子做划分保证每次复现都在同一份数据上训练。import os import random from pathlib import Path random.seed(42) def make_list(img_dir: str, mask_dir: str, output_txt: str, ratio: float 0.85): img_dir Path(img_dir) mask_dir Path(mask_dir) img_files sorted(img_dir.glob(*.jpg)) sorted(img_dir.glob(*.png)) # mask 文件名与图像文件名保持同名只是扩展名可能不同 items [] for img_path in img_files: mask_path mask_dir / img_path.name if mask_path.exists(): items.append((img_path, mask_path)) random.shuffle(items) split_idx int(len(items) * ratio) train_items, val_items items[:split_idx], items[split_idx:] def write_txt(items, txt_path): with open(txt_path, w) as f: for img, mask in items: f.write(f{img} {mask}\n) write_txt(train_items, output_txt.replace(.txt, _train.txt)) write_txt(val_items, output_txt.replace(.txt, _val.txt)) # 使用示例 # make_list(datasets/train_img, datasets/train_mask, datasets/split.txt)这里固定随机种子是为了让数据集划分可复现。如果你之前跑过 yolov8 训练自己的数据集会发现这套组织方式很熟悉图像、标签、清单文件三件套训练脚本只认清单不关心目录里还放了什么其他文件。mask 和图像同名的约定能省掉很多匹配麻烦这也是实操中推荐的规范。划分比例我一般设成 85% 训练、15% 验证这是一个比较均衡的选择。如果你的数据是按时间序列连续拍摄的随机划分可能会让同一段路的相邻帧同时出现在训练和验证集里导致评估虚高。这种情况更适合按时间段切片划分而不是完全随机否则验证指标会好看但没有参考价值。4. 训练工程完整代码怎么组织“训练好的结果”怎么落盘4.1 最小训练脚本模型、数据、循环、断点完整代码的骨架通常分为四块数据读取、模型构建、训练循环、评估与保存。下面给出一份可以在中等显存显卡上跑起来的最小训练脚本重点展示结构组织方式而不是把每个工具函数都堆在一起。import torch import torch.nn as nn import segmentation_models_pytorch as smp from torch.utils.data import Dataset, DataLoader from torchvision import transforms class LaneDataset(Dataset): # 从 train.txt 读取图像路径和 mask 路径 def __init__(self, list_path, size(288, 800)): self.items [line.strip().split() for line in open(list_path)] self.size size self.tf transforms.Compose([ transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), ]) def __len__(self): return len(self.items) def __getitem__(self, idx): img_path, mask_path self.items[idx] image Image.open(img_path).convert(RGB).resize( (self.size[1], self.size[0])) mask Image.open(mask_path).convert(L).resize( (self.size[1], self.size[0])) return self.tf(image), torch.from_numpy(np.array(mask)).float() / 255.0 model smp.UnetPlusPlus( encoder_nameresnet34, encoder_weightsimagenet, in_channels3, classes1, ) criterion MixedLoss() # 见 4.2 optimizer torch.optim.Adam(model.parameters(), lr1e-3) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max50) best_iou 0.0 for epoch in range(50): model.train() for images, masks in train_loader: images, masks images.cuda(), masks.cuda() logits model(images) loss criterion(logits, masks) optimizer.zero_grad() loss.backward() optimizer.step() # 验证时按 batch 计算 IoU保存最大值对应的权重 model.eval() val_iou evaluate(model, val_loader) if val_iou best_iou: best_iou val_iou torch.save(model.state_dict(), checkpoints/best_iou.pth) scheduler.step()这段代码里最值得注意的是smp.UnetPlusPlus的参数配置。encoder_name指定编码器为 resnet34它是一个精度和计算量比较平衡的选择encoder_weightsimagenet加载 ImageNet 预训练权重这在实际训练中作用很大能显著加速收敛。classes1表示输出一个通道正类是车道线背景类由 sigmoid 决定不使用 softmax。输入尺寸选择上size(288, 800)是很多车道线分割工程里的常用配置兼顾了细线细节和显存占用。288 和 800 都能被 32 整除满足 Unet 下采样 5 次的约束。如果你要处理 1080p 原图直接缩到 288x800 会损失近处车道线的细节这是为了训练速度和显存做的折中如果显存足够改成 384x1024 通常能带来更稳的边缘预测。优化器和学习率调度这里用的是 Adam 配合 CosineAnnealingLR。Adam 初始学习率设置在 1e-3 左右比较稳妥低于 1e-4 收敛太慢太高则容易出现 loss 震荡。CosineAnnealingLR 的好处是让学习率周期性地降下来在训练后期帮助 loss 落入更平滑的区域。检查点保存策略是只保留验证集 IoU 最高的一次结果这个best_iou.pth就是标题里所说的“训练好的结果”。4.2 复合损失函数BCE 保底Dice 拉住细线车道线分割最容易遇到的问题是类别极度不均衡一张图里车道线像素通常只占 3% 到 5%背景占据绝大多数。如果只使用 BCEWithLogitsLoss模型很容易收敛到把所有像素都预测成背景因为这样做 loss 已经很低。因此混合损失是这类任务的标准做法。class MixedLoss(nn.Module): def __init__(self, bce_weight1.0, dice_weight1.0): super().__init__() self.bce_weight bce_weight self.dice_weight dice_weight self.bce nn.BCEWithLogitsLoss() def forward(self, logits, masks): probs torch.sigmoid(logits) # Dice Loss 关注区域重叠度对正样本占比低的情况更友好 smooth 1.0 intersection (probs * masks).sum() union probs.sum() masks.sum() dice_loss 1.0 - (2.0 * intersection smooth) / (union smooth) bce_loss self.bce(logits, masks) return self.bce_weight * bce_loss self.dice_weight * dice_lossDice Loss 在这里的作用相当于“拉住细线”。它衡量预测和真实 mask 的区域重合程度即便车道线像素很少只要预测区域和真实区域重叠度高loss 就低。这会让模型不至于为了迁就背景而把细小的正样本全部忽略。bce_weight 和 dice_weight 的配比我一般按 1:1 起步如果发现预测结果偏向断裂就调高 dice_weight 到 1.5 左右如果发现背景误检多则把 bce_weight 调高。这里还值得提一下 Focal Loss它是处理类别不平衡的另一个常用选择。实际操作中 Focal Loss 对超参数比较敏感alpha 和 gamma 都要跟着数据分布调而 Dice 加 BCE 的组合在没有精细调参的情况下也能跑出可用结果所以更适合作为基线损失。等后续需要冲击更高精度时再把 Focal Loss 引入做对比。4.3 训练过程中的观测不只看 loss要看 val IoU 和可视化训练循环跑起来之后经常会遇到一种情况终端打印的训练 loss 在稳定下降你以为一切都好结果验证阶段发现预测结果全是黑的。原因也不难理解训练 loss 是混合损失在训练集上的平均如果背景占比太大BCE 部分已经把数值压得很低loss 的绝对值并没有太大指导意义。我建议每完成一个 epoch 至少记录三个指标训练 loss、验证 IoU、验证集上的可视化预测图。可视化尤其重要因为 IoU 只能告诉你“整体重合度”看不出断线位置、误检区域这些形态问题。可以每个 epoch 从验证集固定取四张图把原图、真实 mask、预测 mask 拼在一起保存到训练日志目录这样你一眼就能看出细线是否连续、边缘是否偏移。关于训练时长的预期50 到 80 个 epoch 在这个配置下通常能看到验证 IoU 不再明显增长之后继续训练反而有过拟合风险。启动前可以先跑 5 个 epoch 做冒烟测试确认数据加载、损失计算、checkpoint 保存都正常再启动完整训练。这样做能避免十几个小时后才发现标签读取问题这种返工成本完全没有必要。5. 避坑记录车道线 Unet 实战里的五个翻车点5.1 训练 loss 很低但预测全黑这个现象非常典型训练过程一切正常loss 从 0.5 降到了 0.1 以下但保存的预测 mask 全是背景看不到任何车道线。原因背景像素占比过高时BCE 损失已经能通过全背景预测获得很低的值模型学到的只是“把所有像素都预测为 0 而不是 1”。尽管混合损失里有 Dice 部分如果其权重太低它的影响力会被 BCE 淹没。解决拉开正负样本 loss 的权重。把MixedLoss里的dice_weight提高到 2 到 3让区域重合度对总 loss 有更大的话语权。同时检查预测阈值分割头的输出是 logits训练时用的损失计算和推理时用的 0.5 阈值不是一回事输出需要经过 sigmoid 再和 0.5 比较才对。如果已经是混合损失还是全黑再考虑给正样本像素加权重。5.2 细长车道线预测断成虚线模型在连续的车道线上反复断线短则几十像素长则整段缺失。这个问题的出现频率很高尤其是在光线变化大、远处车道线模糊的数据集上。原因车道线的宽度只占图像很小一部分在多次下采样过程中细线特征被逐渐稀释。Unet 虽然在解码阶段重新融入了浅层细节但细线在特征图中的响应本来就弱加上随机裁剪、缩放这类数据增强可能让细线被进一步破坏。解决在数据增强策略里避免过度缩放和过度裁剪尤其不要单独使用随机 crop 而忽视了车道线的连续性。可以在一部分训练样本上做轻微旋转和水平翻转但亮度抖动才是车道线场景里更重要的增强手段。另外后处理时对预测 mask 做一次形态学闭运算用较小尺寸的卷积核把断点连接起来一般能立刻改善视觉效果。5.3 换输入尺寸后前向直接报 size mismatch在训练脚本里把输入尺寸从 288x800 改成 384x1024结果第一个 forward 就报错错误信息指向某个 concat 操作中尺寸不一致。原因Unet 的每个解码器节点会拼接来自不同路径的特征图这些特征图的空间尺寸必须完全一致。Unet 整体下采样 5 次如果输入尺寸不是 32 的整数倍不同分支的尺寸在某个节点就会差 1 到 2 个像素拼接直接失败。这类问题通常和模型本身无关纯粹是尺寸配置问题。解决修改输入尺寸前先用简单的整除检查确认宽度和高度都能被 32 整除。例如 800 / 32 25288 / 32 9这个组合是合法的。如果要在不改变尺寸的情况下增加模型容量优先替换 encoder 而不是随意调整输入尺寸。报错时可以先打印各层特征图的 shape定位到具体是哪一层 concat 失败比较高效。5.4 加载 best 权重报 missing key: module保存好best_iou.pth之后在推理脚本里load_state_dict报错提示 missing key(s) 且都是module.开头。原因训练时如果用了DataParallel包装模型保存的 state_dict 里所有 key 都带module.前缀推理时如果只用裸模型加载key 名自然对不上。这个坑几乎每个实际项目都会遇到就是因为训练和推理脚本里的模型包装方式不一致。解决加载权重时做一层兼容处理把 key 去掉前缀。写一个简单的检查逻辑遍历 state_dict 的 key如果都以module.开头就替换成去掉前缀后的 key再进行加载。同样地如果训练时没包装而推理时包装了反向处理即可。把这段兼容代码放在公共工具函数里所有推理脚本复用。5.5 验证 IoU 高换场景却一片混乱模型在验证集上 IoU 不错可视化也有连续车道线但换到另一批摄像头、另一个时间段拍摄的数据上预测结果明显变差甚至把路肩裂缝也识别成车道线。原因这基本可以判断为过拟合到训练数据分布。车道线分割的验证集通常和训练集来自同一条道路的相邻时间片段图像风格接近模型可能学到了“这段路背景纹理”而不是真正的车道线语义。验证指标高不代表模型泛化能力强。解决把一部分图像做亮度扰动和对比度扰动模拟不同摄像头参数和光照条件。更有效的做法是留出完全不同的路段或不同摄像头拍摄的数据做独立评估看模型跨场景的表现。准备数据时划分一个 holdout 集全程不参与训练和常规验证只在最终测试时使用这样得到的结论才有实际参考价值。6. 从权重到可视化成图推理脚本与一个后端处理技巧训练好的best_iou.pth只有真正加载到推理脚本里跑出一张叠加图才算完成了闭环。推理脚本和训练脚本最大的区别在于它需要接受任意尺寸的输入图像并且把预测结果映射回原图坐标。下面是完整度较高的推理流程。import torch import numpy as np import cv2 import segmentation_models_pytorch as smp def load_model(ckpt_path, devicecuda): model smp.UnetPlusPlus( encoder_nameresnet34, encoder_weightsNone, in_channels3, classes1, ) state_dict torch.load(ckpt_path, map_locationdevice) # 兼容 DataParallel 保存的权重 key if list(state_dict.keys())[0].startswith(module.): state_dict {k.replace(module., ): v for k, v in state_dict.items()} model.load_state_dict(state_dict) return model.to(device).eval() def infer_one(model, image_path, size(288, 800), thr0.45): img cv2.imread(image_path) orig_h, orig_w img.shape[:2] resized cv2.resize(img, (size[1], size[0])) # 图像归一化并转为 tensor注意通道顺序 BGR - RGB tensor torch.from_numpy(resized[:, :, ::-1].transpose(2, 0, 1)).float() tensor tensor / 255.0 mean torch.tensor([0.485, 0.456, 0.406]).view(3, 1, 1) std torch.tensor([0.229, 0.224, 0.225]).view(3, 1, 1) tensor (tensor - mean) / std tensor tensor.unsqueeze(0).cuda() with torch.no_grad(): logits model(tensor) prob torch.sigmoid(logits)[0, 0].cpu().numpy() mask (prob thr).astype(np.uint8) * 255 # 形态学闭运算白色区域先膨胀再腐蚀接上细线断口 kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) mask cv2.resize(mask, (orig_w, orig_h)) colored np.zeros_like(img) colored[:, :, 2] mask # 在红色通道显示预测线 overlay cv2.addWeighted(img, 0.7, colored, 0.3, 0) return overlay, mask这段脚本里有两个值得留意的参数。一个是推理阈值thr0.45相对于训练时默认的 0.5 略低因为车道线细长结构在低置信度区域往往存在真实响应适当降低阈值能减少断线但如果发现背景误检变多就要把阈值回升到 0.5 以上。另一个是闭运算的卷积核大小5x5 对 288x800 分辨率刚好如果输入尺寸更大可以适当增加到 7x7。验证方法上除了肉眼观察叠加图我还习惯对连续视频帧做稳定性检查同一根车道线在相邻两帧上的横向位置不应该有大幅跳变如果在连续帧之间出现明显闪烁通常说明模型在该区域置信度偏低这是比单帧 IoU 更敏感的工程指标。整套决策链路中车道线分割输出到下游拟合模块通常要求在几十毫秒内完成因此推理脚本里务必加上耗时统计观察infer_one在目标平台上的实际耗时。现在我做新分割任务时把这份训练好的权重当作战术基线任何新想法都会先跑一遍对比它的预测结果如果输出比基线差说明方向需要重新审视。这比反复刷验证集数字更让人踏实希望帮到你。本文还有配套的精品资源点击获取 Unet++车道线分割实战：从数据集到训练推理全流程
简介面向自动驾驶场景的深度学习实战内容基于 Unet 网络实现车道线分割提供完整手写训练代码、约3200张图像与标注组成的数据集以及训练好的权重结果。代码接口清晰只要按 README 摆放数据即可完成自定义训练适合希望快速上手图像分割任务的研究者或算法工程师。网络仅训练30个epoch全局像素准确率达0.995精确率0.907召回率0.908Dice 0.91数据集中包含验证集划分方便直接评估训练脚本支持 Adam/SGD/RMSProp 优化器、BCE 逻辑损失、余弦退火与阶梯式学习率衰减训练过程会自动保存最优权重、输出数据增强可视化样本、dice/loss曲线和完整训练日志便于复盘和调优。资源共2000个文件以1859张png、133张jpg图像数据、5个Python训练/推理脚本以及README说明文档为主压缩包约489.46MB整体结构清晰。下载后可直接加载训练好的权重进行推理测试省去重复训练时间也可在此基础上继续调优目前已有654人学习。1. 车道线没有“检测框”Unet 凭什么在自动驾驶前视上分割细线拿到一个“基于 Unet 对自动驾驶车道线分割实战”的方案你最先关注的通常不是网络结构有多漂亮而是那套数据集能不能直接喂完整代码能不能跑通训练好的结果是不是真的能加载出图。这个方向解决的是车道线这种细长、连续、容易被遮挡的目标怎么从路面图像里逐像素抠出来的问题。相比目标检测框车道线的宽窄和形态决定了它更适合走语义分割路线。这套实战方案里数据集负责提供真实道路场景和对应 maskUnet 负责把低层边缘信息和高层语义信息揉在一起训练好的权重让你跳过从头训练的成本直接评估效果边界。适合正在做自动驾驶感知、辅助驾驶视觉模块或者刚入门分割想找一个完整闭环来练手的开发者。它解决的问题不算玄学就是让你在一个公开或自建的数据集上把车道线分割这件事做成可复现、可继续调优的工程而不是只停留在读论文阶段。2. 选型先说透Unet 解决的是细线分割的“语义-边缘”矛盾2.1 从 Unet 到 Unet补的不是层数而是跳跃连接的“接力”Unet 在分割任务里的地位不用多说它用编码器逐层下采样拿语义再用解码器逐层恢复分辨率中间用 skip connection 把同尺度的特征拼回来。但 Unet 有一个明显的别扭之处编码器第 1 层的特征图细节丰富、语义弱解码器最后一层的特征图语义强、细节已经被池化和步进卷积磨掉不少直接把这两者拼接很容易让小目标、细结构在融合时被打丢。车道线恰恰是最吃这种细节的目标之一几像素宽的偏差就能让分割结果断成两截。Unet 对这个问题给出的做法是“密集跳跃连接”。它在每个解码器节点前面插入了若干中间卷积层让不同深度的特征先做一次次融合再传给下一层。你可以把它理解成把原先一跳到底的长连接改成多级接力每一级都重新校准一次语义和空间位置。这样做的好处是解码器拿到的特征不再是“高层语义 浅层纹理”的简单相加而是经过多次混合后的中间态对边缘定位的精度更友好。在实际落地时常见的实现方式是直接使用 segmentation_models_pytorch 这类库的 UnetPlusPlus省去手写密集连接的麻烦。你只需要指定 encoder_name、encoder_weights、in_channels、classes 几个参数就能拿到模型。不过这带来了一个约束Unet 整体下采样 5 次输入图像的宽和高必须能被 32 整除否则前向传播时拼接特征图的尺寸对不上。注意输入图像尺寸不满足 32 的整数倍时Unet 的 concat 会直接报错这类尺寸约束和普通 Unet 保持一致改输入分辨率时先检查这一点。2.2 车道线的物理特征决定了它吃多尺度融合车道线在真实前视图像里通常只有十几个像素宽长度却跨越整个画面从近处清晰、远处模糊还可能被前车遮挡、被树影打断、在雨夜和强光下对比度骤降。这种细长结构对分割网络的要求很具体要能判断远处模糊区域的线“大致在哪”又要能在近处准确锁定线边缘不能因为路面裂缝或者阴影误判成车道线。这就是为什么 Unet 的思路天然贴合车道线分割。里面尺度较浅的特征能锁定线的走向和整体连续性较深的特征能帮助模型区分“这是车道线”还是“路面污渍”而 Unet 在此基础上用密集连接把多级信息反复融合相当于让网络在每一步解码时都能同时参考“这条线是什么”和“这条线精确在哪里”。相比只用单尺度特征做预测的方案它在细线召回上的表现更稳。我还不能忽略另一个角度车道线分割的最终目标不是输出一个漂亮的 mask而是给下游提供可靠的横向位置参考。如果预测结果在连续性和边缘精度上崩掉后续拟合车道线方程、计算车辆偏离距离都会跟着翻车。因此细线召回率比全局 IoU 更有业务价值这也是选型时会把 Unet 这种“细节敏感型”结构放在优先位置的原因。2.3 和 SCNN、RESA、DeepLabV3 放在一起怎么选做车道线分割时很多人会拿 SCNN、RESA 这类车道线专用网络来对比。SCNN 的核心是信息在空间行与列之间传递让细长结构保持连续RESA 用切片循环聚合特征在一部分车道线榜单上有很强的表现。但从工程落地角度通用分割结构有自己的优势实现难度低数据增强、损失函数、部署工具链都可以复用你已有的经验。对比项核心设计对车道线的优势工程代价Unet密集跳跃连接多级特征融合细线边缘保留好泛化稳定计算量中等代码/库支持成熟SCNN空间行列信息传递擅长细长结构连续性实现复杂库支持少RESA切片聚合特征对遮挡、长线效果好依赖定制算子部署成本偏高DeepLabV3空洞卷积 ASPP多尺度感受野强边缘细节不如前两者细线易丢如果是自动驾驶算法栈里的感知模块我一般会优先把 Unet 作为基线原因很简单它够通用后续换 backbone、换训练数据、接蒸馏都方便要是发现连续性确实不达标再考虑向 SCNN/RESA 迁移也不迟。还有一个现实考量是赛道和公开榜单的数字很高但和你手里的数据分布未必一致反而是一个能稳定复现、可快速迭代的基线更有价值。说到端到端现在不少团队在探索自动驾驶端到端方案直接输出控制指令。即便如此车道线感知依然是很重要的一层监督信号和解耦调试手段。模块化方案不会因为端到端的热度就失去意义Unet 这类分割模型在其中充当的仍然是“把图像变成结构化语义”的底层能力。3. 数据集准备从 TuSimple/自标数据到可直接训练的 mask3.1 三种数据来源与标签格式差异数据集是整个实战方案里最容易低估的部分。标题里写明包含数据集但在你自己动手时依然要搞清楚当前拿到的数据是哪种格式否则训练脚本跑起来会发现标签根本对不上。常见来源有三类TuSimple、CULane、自建标注数据。TuSimple 是自动驾驶场景里很常用的车道线数据集很多公开版本会把原始 JSON 点坐标预处理成二值 mask。原始 JSON 里给出的是每帧图像的 h_samples纵坐标列表和 lanes每个车道的横坐标列表其中无效点用 -2 占位。CULane 的原始格式则更多以 polyline 形式组织需要按行映射生成标注图。这里要强调一个经验下载别人预处理好的 mask 时第一件事不是看 README 的说明而是随机抽十张图把 mask 叠加到原图上人工核对一遍因为不同版本的坐标起点、缩放比例、是否翻转经常有出入。自建数据集则是另一条路径适合你有自己的车载摄像头数据、或者想针对特定场景微调的情况。最稳妥的做法是用标注工具把车道线标成多边形或线点再通过脚本转成二值 mask。这样做能确保标签和图像严格对齐缺点是标注成本高一条车道线密集选点往往要花几十个点击。文件组织上我建议保持目录简单清晰datasets/ train_img/ # 原始前视图 train_mask/ # 对应二值标签车道线为白色 val_img/ val_mask/ train.txt val.txt这里 train.txt 和 val.txt 每一行分别是图像路径和标签路径用空格或逗号分隔。分割模型不像检测任务那样需要一个复杂的 annotation 文件mask 图本身就是监督信号。3.2 把 JSON 点坐标转成二值 mask一个复用脚本如果你拿到的是类似 TuSimple 的 JSON 点坐标可以直接在训练前把标注转换成 mask避免每次加载都解析 JSON。转换脚本的核心思路不复杂读取每一帧的 h_samples 和 lanes 列表在对应坐标点上画圆或画线最后输出一张和原图尺寸一致的灰度图。import json import cv2 import numpy as np def tusimple_json_to_mask(json_path: str, height: int, width: int) - np.ndarray: # 读取 TuSimple 风格标注生成二值 mask with open(json_path, r, encodingutf-8) as f: data json.load(f) mask np.zeros((height, width), dtypenp.uint8) h_samples data[h_samples] # 每个候选点的 y 坐标列表 for lane_x in data[lanes]: # lane_x 是与 h_samples 对齐的 x 坐标列表 points [] for x, y in zip(lane_x, h_samples): if x -2: # 无效点跳过 continue points.append([int(x), int(y)]) if len(points) 1: # 用 polyline 把离散点连成线再设置线宽模拟车道线宽度 pts np.array(points, dtypenp.int32).reshape(-1, 1, 2) cv2.polylines(mask, [pts], isClosedFalse, color255, thickness8) return mask这段脚本里最关键的是-2的判断TuSimple 里无效点用 -2 占位如果不跳过连线时会把一段不存在的车道线硬生生串起来生成严重错误的标签。thickness8是按常见车道线宽度近似设置的具体取值要看你的数据集图像分辨率如果图像是 1280x7208 像素偏细可以适当调大到 12 左右。还需要注意坐标对齐问题。TuSimple 的 h_samples 并不是全图纵坐标而是从某个 y 起点开始的等间距采样点。如果你下载的版本和标准定义不一致转换前最好打印一下h_samples[:5]和h_samples[-5:]确认纵坐标对应到图上确实正确这一步能避免后续训练时的标签偏移。3.3 生成 train.txt / val.txt 数据清单并完成划分有了图像和 mask 之后下一步是把它们整理成训练脚本可以直接读取的清单文件。一个比较省事的做法是先把所有数据放进统一的目录再按照固定随机种子做划分保证每次复现都在同一份数据上训练。import os import random from pathlib import Path random.seed(42) def make_list(img_dir: str, mask_dir: str, output_txt: str, ratio: float 0.85): img_dir Path(img_dir) mask_dir Path(mask_dir) img_files sorted(img_dir.glob(*.jpg)) sorted(img_dir.glob(*.png)) # mask 文件名与图像文件名保持同名只是扩展名可能不同 items [] for img_path in img_files: mask_path mask_dir / img_path.name if mask_path.exists(): items.append((img_path, mask_path)) random.shuffle(items) split_idx int(len(items) * ratio) train_items, val_items items[:split_idx], items[split_idx:] def write_txt(items, txt_path): with open(txt_path, w) as f: for img, mask in items: f.write(f{img} {mask}\n) write_txt(train_items, output_txt.replace(.txt, _train.txt)) write_txt(val_items, output_txt.replace(.txt, _val.txt)) # 使用示例 # make_list(datasets/train_img, datasets/train_mask, datasets/split.txt)这里固定随机种子是为了让数据集划分可复现。如果你之前跑过 yolov8 训练自己的数据集会发现这套组织方式很熟悉图像、标签、清单文件三件套训练脚本只认清单不关心目录里还放了什么其他文件。mask 和图像同名的约定能省掉很多匹配麻烦这也是实操中推荐的规范。划分比例我一般设成 85% 训练、15% 验证这是一个比较均衡的选择。如果你的数据是按时间序列连续拍摄的随机划分可能会让同一段路的相邻帧同时出现在训练和验证集里导致评估虚高。这种情况更适合按时间段切片划分而不是完全随机否则验证指标会好看但没有参考价值。4. 训练工程完整代码怎么组织“训练好的结果”怎么落盘4.1 最小训练脚本模型、数据、循环、断点完整代码的骨架通常分为四块数据读取、模型构建、训练循环、评估与保存。下面给出一份可以在中等显存显卡上跑起来的最小训练脚本重点展示结构组织方式而不是把每个工具函数都堆在一起。import torch import torch.nn as nn import segmentation_models_pytorch as smp from torch.utils.data import Dataset, DataLoader from torchvision import transforms class LaneDataset(Dataset): # 从 train.txt 读取图像路径和 mask 路径 def __init__(self, list_path, size(288, 800)): self.items [line.strip().split() for line in open(list_path)] self.size size self.tf transforms.Compose([ transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), ]) def __len__(self): return len(self.items) def __getitem__(self, idx): img_path, mask_path self.items[idx] image Image.open(img_path).convert(RGB).resize( (self.size[1], self.size[0])) mask Image.open(mask_path).convert(L).resize( (self.size[1], self.size[0])) return self.tf(image), torch.from_numpy(np.array(mask)).float() / 255.0 model smp.UnetPlusPlus( encoder_nameresnet34, encoder_weightsimagenet, in_channels3, classes1, ) criterion MixedLoss() # 见 4.2 optimizer torch.optim.Adam(model.parameters(), lr1e-3) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max50) best_iou 0.0 for epoch in range(50): model.train() for images, masks in train_loader: images, masks images.cuda(), masks.cuda() logits model(images) loss criterion(logits, masks) optimizer.zero_grad() loss.backward() optimizer.step() # 验证时按 batch 计算 IoU保存最大值对应的权重 model.eval() val_iou evaluate(model, val_loader) if val_iou best_iou: best_iou val_iou torch.save(model.state_dict(), checkpoints/best_iou.pth) scheduler.step()这段代码里最值得注意的是smp.UnetPlusPlus的参数配置。encoder_name指定编码器为 resnet34它是一个精度和计算量比较平衡的选择encoder_weightsimagenet加载 ImageNet 预训练权重这在实际训练中作用很大能显著加速收敛。classes1表示输出一个通道正类是车道线背景类由 sigmoid 决定不使用 softmax。输入尺寸选择上size(288, 800)是很多车道线分割工程里的常用配置兼顾了细线细节和显存占用。288 和 800 都能被 32 整除满足 Unet 下采样 5 次的约束。如果你要处理 1080p 原图直接缩到 288x800 会损失近处车道线的细节这是为了训练速度和显存做的折中如果显存足够改成 384x1024 通常能带来更稳的边缘预测。优化器和学习率调度这里用的是 Adam 配合 CosineAnnealingLR。Adam 初始学习率设置在 1e-3 左右比较稳妥低于 1e-4 收敛太慢太高则容易出现 loss 震荡。CosineAnnealingLR 的好处是让学习率周期性地降下来在训练后期帮助 loss 落入更平滑的区域。检查点保存策略是只保留验证集 IoU 最高的一次结果这个best_iou.pth就是标题里所说的“训练好的结果”。4.2 复合损失函数BCE 保底Dice 拉住细线车道线分割最容易遇到的问题是类别极度不均衡一张图里车道线像素通常只占 3% 到 5%背景占据绝大多数。如果只使用 BCEWithLogitsLoss模型很容易收敛到把所有像素都预测成背景因为这样做 loss 已经很低。因此混合损失是这类任务的标准做法。class MixedLoss(nn.Module): def __init__(self, bce_weight1.0, dice_weight1.0): super().__init__() self.bce_weight bce_weight self.dice_weight dice_weight self.bce nn.BCEWithLogitsLoss() def forward(self, logits, masks): probs torch.sigmoid(logits) # Dice Loss 关注区域重叠度对正样本占比低的情况更友好 smooth 1.0 intersection (probs * masks).sum() union probs.sum() masks.sum() dice_loss 1.0 - (2.0 * intersection smooth) / (union smooth) bce_loss self.bce(logits, masks) return self.bce_weight * bce_loss self.dice_weight * dice_lossDice Loss 在这里的作用相当于“拉住细线”。它衡量预测和真实 mask 的区域重合程度即便车道线像素很少只要预测区域和真实区域重叠度高loss 就低。这会让模型不至于为了迁就背景而把细小的正样本全部忽略。bce_weight 和 dice_weight 的配比我一般按 1:1 起步如果发现预测结果偏向断裂就调高 dice_weight 到 1.5 左右如果发现背景误检多则把 bce_weight 调高。这里还值得提一下 Focal Loss它是处理类别不平衡的另一个常用选择。实际操作中 Focal Loss 对超参数比较敏感alpha 和 gamma 都要跟着数据分布调而 Dice 加 BCE 的组合在没有精细调参的情况下也能跑出可用结果所以更适合作为基线损失。等后续需要冲击更高精度时再把 Focal Loss 引入做对比。4.3 训练过程中的观测不只看 loss要看 val IoU 和可视化训练循环跑起来之后经常会遇到一种情况终端打印的训练 loss 在稳定下降你以为一切都好结果验证阶段发现预测结果全是黑的。原因也不难理解训练 loss 是混合损失在训练集上的平均如果背景占比太大BCE 部分已经把数值压得很低loss 的绝对值并没有太大指导意义。我建议每完成一个 epoch 至少记录三个指标训练 loss、验证 IoU、验证集上的可视化预测图。可视化尤其重要因为 IoU 只能告诉你“整体重合度”看不出断线位置、误检区域这些形态问题。可以每个 epoch 从验证集固定取四张图把原图、真实 mask、预测 mask 拼在一起保存到训练日志目录这样你一眼就能看出细线是否连续、边缘是否偏移。关于训练时长的预期50 到 80 个 epoch 在这个配置下通常能看到验证 IoU 不再明显增长之后继续训练反而有过拟合风险。启动前可以先跑 5 个 epoch 做冒烟测试确认数据加载、损失计算、checkpoint 保存都正常再启动完整训练。这样做能避免十几个小时后才发现标签读取问题这种返工成本完全没有必要。5. 避坑记录车道线 Unet 实战里的五个翻车点5.1 训练 loss 很低但预测全黑这个现象非常典型训练过程一切正常loss 从 0.5 降到了 0.1 以下但保存的预测 mask 全是背景看不到任何车道线。原因背景像素占比过高时BCE 损失已经能通过全背景预测获得很低的值模型学到的只是“把所有像素都预测为 0 而不是 1”。尽管混合损失里有 Dice 部分如果其权重太低它的影响力会被 BCE 淹没。解决拉开正负样本 loss 的权重。把MixedLoss里的dice_weight提高到 2 到 3让区域重合度对总 loss 有更大的话语权。同时检查预测阈值分割头的输出是 logits训练时用的损失计算和推理时用的 0.5 阈值不是一回事输出需要经过 sigmoid 再和 0.5 比较才对。如果已经是混合损失还是全黑再考虑给正样本像素加权重。5.2 细长车道线预测断成虚线模型在连续的车道线上反复断线短则几十像素长则整段缺失。这个问题的出现频率很高尤其是在光线变化大、远处车道线模糊的数据集上。原因车道线的宽度只占图像很小一部分在多次下采样过程中细线特征被逐渐稀释。Unet 虽然在解码阶段重新融入了浅层细节但细线在特征图中的响应本来就弱加上随机裁剪、缩放这类数据增强可能让细线被进一步破坏。解决在数据增强策略里避免过度缩放和过度裁剪尤其不要单独使用随机 crop 而忽视了车道线的连续性。可以在一部分训练样本上做轻微旋转和水平翻转但亮度抖动才是车道线场景里更重要的增强手段。另外后处理时对预测 mask 做一次形态学闭运算用较小尺寸的卷积核把断点连接起来一般能立刻改善视觉效果。5.3 换输入尺寸后前向直接报 size mismatch在训练脚本里把输入尺寸从 288x800 改成 384x1024结果第一个 forward 就报错错误信息指向某个 concat 操作中尺寸不一致。原因Unet 的每个解码器节点会拼接来自不同路径的特征图这些特征图的空间尺寸必须完全一致。Unet 整体下采样 5 次如果输入尺寸不是 32 的整数倍不同分支的尺寸在某个节点就会差 1 到 2 个像素拼接直接失败。这类问题通常和模型本身无关纯粹是尺寸配置问题。解决修改输入尺寸前先用简单的整除检查确认宽度和高度都能被 32 整除。例如 800 / 32 25288 / 32 9这个组合是合法的。如果要在不改变尺寸的情况下增加模型容量优先替换 encoder 而不是随意调整输入尺寸。报错时可以先打印各层特征图的 shape定位到具体是哪一层 concat 失败比较高效。5.4 加载 best 权重报 missing key: module保存好best_iou.pth之后在推理脚本里load_state_dict报错提示 missing key(s) 且都是module.开头。原因训练时如果用了DataParallel包装模型保存的 state_dict 里所有 key 都带module.前缀推理时如果只用裸模型加载key 名自然对不上。这个坑几乎每个实际项目都会遇到就是因为训练和推理脚本里的模型包装方式不一致。解决加载权重时做一层兼容处理把 key 去掉前缀。写一个简单的检查逻辑遍历 state_dict 的 key如果都以module.开头就替换成去掉前缀后的 key再进行加载。同样地如果训练时没包装而推理时包装了反向处理即可。把这段兼容代码放在公共工具函数里所有推理脚本复用。5.5 验证 IoU 高换场景却一片混乱模型在验证集上 IoU 不错可视化也有连续车道线但换到另一批摄像头、另一个时间段拍摄的数据上预测结果明显变差甚至把路肩裂缝也识别成车道线。原因这基本可以判断为过拟合到训练数据分布。车道线分割的验证集通常和训练集来自同一条道路的相邻时间片段图像风格接近模型可能学到了“这段路背景纹理”而不是真正的车道线语义。验证指标高不代表模型泛化能力强。解决把一部分图像做亮度扰动和对比度扰动模拟不同摄像头参数和光照条件。更有效的做法是留出完全不同的路段或不同摄像头拍摄的数据做独立评估看模型跨场景的表现。准备数据时划分一个 holdout 集全程不参与训练和常规验证只在最终测试时使用这样得到的结论才有实际参考价值。6. 从权重到可视化成图推理脚本与一个后端处理技巧训练好的best_iou.pth只有真正加载到推理脚本里跑出一张叠加图才算完成了闭环。推理脚本和训练脚本最大的区别在于它需要接受任意尺寸的输入图像并且把预测结果映射回原图坐标。下面是完整度较高的推理流程。import torch import numpy as np import cv2 import segmentation_models_pytorch as smp def load_model(ckpt_path, devicecuda): model smp.UnetPlusPlus( encoder_nameresnet34, encoder_weightsNone, in_channels3, classes1, ) state_dict torch.load(ckpt_path, map_locationdevice) # 兼容 DataParallel 保存的权重 key if list(state_dict.keys())[0].startswith(module.): state_dict {k.replace(module., ): v for k, v in state_dict.items()} model.load_state_dict(state_dict) return model.to(device).eval() def infer_one(model, image_path, size(288, 800), thr0.45): img cv2.imread(image_path) orig_h, orig_w img.shape[:2] resized cv2.resize(img, (size[1], size[0])) # 图像归一化并转为 tensor注意通道顺序 BGR - RGB tensor torch.from_numpy(resized[:, :, ::-1].transpose(2, 0, 1)).float() tensor tensor / 255.0 mean torch.tensor([0.485, 0.456, 0.406]).view(3, 1, 1) std torch.tensor([0.229, 0.224, 0.225]).view(3, 1, 1) tensor (tensor - mean) / std tensor tensor.unsqueeze(0).cuda() with torch.no_grad(): logits model(tensor) prob torch.sigmoid(logits)[0, 0].cpu().numpy() mask (prob thr).astype(np.uint8) * 255 # 形态学闭运算白色区域先膨胀再腐蚀接上细线断口 kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) mask cv2.resize(mask, (orig_w, orig_h)) colored np.zeros_like(img) colored[:, :, 2] mask # 在红色通道显示预测线 overlay cv2.addWeighted(img, 0.7, colored, 0.3, 0) return overlay, mask这段脚本里有两个值得留意的参数。一个是推理阈值thr0.45相对于训练时默认的 0.5 略低因为车道线细长结构在低置信度区域往往存在真实响应适当降低阈值能减少断线但如果发现背景误检变多就要把阈值回升到 0.5 以上。另一个是闭运算的卷积核大小5x5 对 288x800 分辨率刚好如果输入尺寸更大可以适当增加到 7x7。验证方法上除了肉眼观察叠加图我还习惯对连续视频帧做稳定性检查同一根车道线在相邻两帧上的横向位置不应该有大幅跳变如果在连续帧之间出现明显闪烁通常说明模型在该区域置信度偏低这是比单帧 IoU 更敏感的工程指标。整套决策链路中车道线分割输出到下游拟合模块通常要求在几十毫秒内完成因此推理脚本里务必加上耗时统计观察infer_one在目标平台上的实际耗时。现在我做新分割任务时把这份训练好的权重当作战术基线任何新想法都会先跑一遍对比它的预测结果如果输出比基线差说明方向需要重新审视。这比反复刷验证集数字更让人踏实希望帮到你。本文还有配套的精品资源点击获取