Inicio Proyectos lanenet-lane-detection
lanenet-lane-detection
Python

lanenet-lane-detection

Implementación no oficial del modelo lanenet para detección de carriles en tiempo real

por MaybeShewill-CV · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Categoría
Lenguaje
deep-learninginstance-segmentationlane-detectionApache-2.0Python
Ver en GitHub
En palabras simples

Detecta carriles de carretera en tiempo real utilizando un modelo de aprendizaje profundo diseñado para tareas de detección de carriles.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
lanenet-lane-detection — GitHub preview card
📈 Historial de estrellas
2 5622 561
2026-07-072026-08-31
📈 Sigue lanenet-lane-detection

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Implementación no oficial del modelo lanenet para detección de carriles en tiempo real

lanenet-lane-detection tiene 2.6k estrellas en GitHub. Se ha bifurcado 900 veces. lanenet-lane-detection está escrito principalmente en Python. Se desarrolla activamente desde 2018. lanenet-lane-detection está disponible bajo la licencia Apache-2.0. Sus temas principales son: deep-learning, instance-segmentation, lane-detection, lane-finding.

Frequently asked questions

¿Qué es lanenet-lane-detection?

Implementación no oficial del modelo lanenet para detección de carriles en tiempo real

¿lanenet-lane-detection es de código abierto?

lanenet-lane-detection es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿lanenet-lane-detection es gratis?

Sí. lanenet-lane-detection es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está lanenet-lane-detection?

lanenet-lane-detection está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito lanenet-lane-detection?

lanenet-lane-detection está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — lanenet-lane-detection

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=maybeshewill-cv-lanenet-lane-detection)](https://olud.ai/project/maybeshewill-cv-lanenet-lane-detection.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
LaneATT
Código para el artículo titulado "Mantén tus Ojos en el Carril: Detección de Carriles Guiada po…
694 · computer-vision
compartelane-detection
LaneDetection_End2End
Detección de Carriles de extremo a extremo para Coches Autónomos (Taller ICCV 2019)
663 · computer-vision
compartelane-detection
OpenLane
[ECCV 2022 Oral] OpenLane: Conjunto de Datos de Carriles 3D Realistas a Gran Escala
567 · autonomous-driving
compartelane-detection
GCNet
GCNet: Redes No Locales Encuentran Redes de Squeeze-Excitation y Más Allá
1.2k · computer-vision
comparteinstance-segmentation
ultralytics
Ultralytics YOLO26, YOLO11, YOLOv8 — detección de objetos, segmentación de instancias, segmenta…
59.6k · computer-vision
comparteinstance-segmentation
UPSNet
UPSNet: Una Red de Segmentación Panóptica Unificada
645 · computer-vision
comparteinstance-segmentation
Ultra-Fast-Lane-Detection
Detección de Carriles Profundos Ultra Rápida Consciente de la Estructura (ECCV 2020)
2k · autonomous-driving
compartelane-detection
VPGNet
VPGNet: Red Guiada por Punto de Desaparición para Detección y Reconocimiento de Carriles y Marc…
504 · autonomous-driving
compartelane-detection
rf-detr
RF-DETR es una arquitectura de modelo de detección y segmentación de objetos en tiempo real des…
8.6k · computer-vision
comparteinstance-segmentation
TensorRT-YOLO
🚀 Kit de herramientas de implementación de YOLO más fácil y rápido para NVIDIA 🛠️
1.9k · computer-vision
comparteinstance-segmentation

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.