Papers with Code 아카이브

Drivable Area Detection

태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.

하위 태스크: 0
평가표: 1
보존된 평가 기록: 10

The drivable area detection is a subset topic of object detection. The model marks the safe and legal roads for regular driving in color blocks shaped by area.

코드

관련 논문과 평가 결과에 연결된 구현입니다. 출처에서 확인된 저자 구현에는 공식 코드 표시가 있습니다.

https://github.com/CAIC-AD/YOLOPv2

공식 코드

YOLOPv2: Better, Faster, Stronger for Panoptic Driving Perception

https://github.com/SysCV/bdd100k-models

공식 코드

BDD100K: A Diverse Driving Dataset for Heterogeneous Multitask Learning

https://github.com/bdd100k/bdd100k

공식 코드

BDD100K: A Diverse Driving Dataset for Heterogeneous Multitask Learning

https://github.com/chequanghuy/TwinLiteNet

공식 코드

TwinLiteNet: An Efficient and Lightweight Model for Driveable Area and Lane Segmentation in Self-Driving Cars

https://github.com/chequanghuy/TwinLiteNetPlus

공식 코드

TwinLiteNetPlus: A Stronger Model for Real-time Drivable Area and Lane Segmentation

https://github.com/datvuthanh/HybridNets

공식 코드

HybridNets: End-to-End Perception Network

https://github.com/hustvl/yolop

공식 코드

YOLOP: You Only Look Once for Panoptic Driving Perception

https://github.com/jiayuanwang-jw/yolov8-multi-task

공식 코드

You Only Look at Once for Real-time and Generic Multi-Task

https://github.com/PINTO0309/PINTO_model_zoo/tree/main/326_YOLOPv2

YOLOPv2: Better, Faster, Stronger for Panoptic Driving Perception

https://github.com/chequanghuy/TriLiteNet

출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.