LaneGCNダウンロード - LaneGCNソースコードのダウンロード

LaneGCN

AI ソースコード

1.0.0

ダウンロード

注意

多くのデモファイルを保持する Amazon AWS S3 バケットargoai-argoverse侵害されました。ファイルが破損している可能性があります。
この S3 バケットを参照するファイルは変更されており、このバケットからの取得はコメント化されています。慎重に進めてください。

LaneGCN: 動き予測のためのレーングラフ表現の学習

紙 |スライド |プロジェクトページ | ECCV 2020 口頭ビデオ

ミン・リャン、ビン・ヤン、ルイ・フー、ユン・チェン、レンジ・リャオ、ソン・フェン、ラケル・ウルタスン

Argoverse モーション予測コンペティションで1 位にランクイン

依存関係のインストール

コードを実行するには、次のパッケージをインストールする必要があります。

PyTorch>=1.3.1
アルゴバース API

以下は、anaconda を使用して環境を最初から作成する例です。pip を使用することもできます。

conda create --name lanegcn python=3.7
conda activate lanegcn
conda install pytorch==1.5.1 torchvision cudatoolkit=10.2 -c pytorch # pytorch=1.5.1 when the code is release

# install argoverse api
pip install  git+https://github.com/argoai/argoverse-api.git

# install others dependancy
pip install scikit-image IPython tqdm ipdb

[オプションですが推奨] 分散トレーニング用に Horovod とmpi4pyインストールします。 Horovod は、マルチ GPU トレーニングではnn.DataParallelよりも効率的であり、 nn.DistributedDataParallelよりも使いやすいです。 horovod をインストールする前に、openmpi がインストールされていることを確認してください ( sudo apt-get install -y openmpi-bin )。

pip install mpi4py

# install horovod with GPU support, this may take a while
HOROVOD_GPU_OPERATIONS=NCCL pip install horovod==0.19.4

# if you have only SINGLE GPU, install for code-compatibility
pip install horovod

horovod に関する問題がある場合は、horovod github を参照してください。

データの準備: Argoverse モーション予測

何時間もスクリプトを実行する代わりに、スクリプトをチェックして、処理されたデータをダウンロードできます。

bash get_data.sh

トレーニング

【推奨】Horovod-multigpusを使ったトレーニング

 # single node with 4 gpus
horovodrun -np 4 -H localhost:4 python /path/to/train.py -m lanegcn

# 2 nodes, each with 4 gpus
horovodrun -np 8 -H serverA:4,serverB:4 python /path/to/train.py -m lanegcn

horovod を使用して 4 GPUS (RTX 5000) でモデルをトレーニングするには 8 時間かかります。

デバッグ用のトレーニングログも提供します。

[推奨] シングル GPU で Horovod を使用したトレーニング/デバッグ

python train.py -m lanegcn

テスト

ここから事前トレーニング済みモデルをダウンロードできます

提出用の推論テストセット

 python test.py -m lanegcn --weight=/absolute/path/to/36.000.ckpt --split=test

メトリクスの推論検証セット

 python test.py -m lanegcn --weight=36.000.ckpt --split=val

定性的結果

ラベル(赤) 予測(緑) その他のエージェント(青)

定量的な結果

ライセンス

ライセンスを確認する

引用

弊社のソースコードを使用する場合は、以下を引用することを検討してください。

 @InProceedings { liang2020learning ,
  title = { Learning lane graph representations for motion forecasting } ,
  author = { Liang, Ming and Yang, Bin and Hu, Rui and Chen, Yun and Liao, Renjie and Feng, Song and Urtasun, Raquel } ,
  booktitle = { ECCV } ,
  year = { 2020 }
}