Turoad
bottom_priors_nums和left_priors_nums是指什么？
请问bottom_priors_nums和left_priors_nums是指什么？
初始的时候prior的分配数量，起点在图像左右边界各1/4，图像下边界1/2
请问bottom_priors_nums和left_priors_nums是指什么？
初始的时候prior的分配数量，起点在图像左右边界各1/4，图像下边界1/2
这是指图中左下和右下这两部分吗？num_priors是设置的总的采样的起点数吗？
不好意思，初学车道线检测，不太理解怎么设置的这些参数。可以大概讲解一下关于初始化设置先验车道这部分的吗？谢谢！
strip_size = 0.5 / (left_priors_nums // 2 - 1)
bottom_strip_size = 1 / (bottom_priors_nums // 4 + 1)
这边除以 2 和 除以 4 ，是不是可以理解为这样的话每一段 strip_size 里面就会有两个采样点和四个采样点。这个 -1 和 +1 是干什么的呢？下面的 +1 可以理解为防止 bottom_priors_nums 为 0,那 -1 是？
priors[:, 6:] = (
priors[:, 3].unsqueeze(1).clone().repeat(1, self.n_offsets) *
(self.img_w - 1) +
((1 - self.prior_ys.repeat(self.num_priors, 1) -
priors[:, 2].unsqueeze(1).clone().repeat(1, self.n_offsets)) *
self.img_h / torch.tan(priors[:, 4].unsqueeze(1).clone().repeat(
1, self.n_offsets) * math.pi + 1e-5))) / (self.img_w - 1)
可以帮忙解释下这部分吗？没太看懂为啥要这样？前面的x为什么要和后面加起来，加号后面这部分代表什么意义？
(1 - prior_ys.repeat(192, 1) -
priors[:, 2].unsqueeze(1).clone().repeat(1, 72)主要是这个是指什么？谢谢
prior_xs = prior_xs * 2. - 1.
prior_ys = prior_ys * 2. - 1.
请问这里的乘以 2 - 1 目的是什么？
prior_xs = prior_xs * 2. - 1. prior_ys = prior_ys * 2. - 1.请问这里的乘以 2 - 1 目的是什么？
@yangrisheng grid sample 需要 grid在 正负一 https://pytorch.org/docs/stable/generated/torch.nn.functional.grid_sample.html
@yangrisheng i try to visualize prior lane and it is something like this https://youtu.be/XXZyi_IBwtw. The left and right refer to x coordinate = 0 and image_w and y is increment to image height / 2. bottom is just y = 0 and x increment to image width
