背景

自从十多前年Darpa的Grand Challenge竞赛开始，自动驾驶汽车技术不断得以发展，尤其近年来随着深度学习技术的出现，技术进步越来越快。自动驾驶汽车的组成部分有很多，其中最关键的是传感器和驱动它们的AI系统。随着计算能力的不断增强，新兴的深度学习网络可以对路况细节、可视视野和遥测数据进行很好的学习，有望成为自动驾驶汽车强大的“大脑”，用来理解路况、环境及对车辆运行进行决策。

模型简介

当今很多车都带有辅助驾驶员的驾驶的功能，比如车道保持功能。参考https://arxiv.org/abs/1802.05591，基于tusimple数据集训练出模型，运行帧率达50fps，能够处理多数车道和车道变换。

使用方法

目前该模型支持使用ModelArts平台进行交付，订阅该模型后，你可以将该模型发送到一个指定的Region的ModelArts平台。在ModelArts平台，你可以一键式地将该模型部署成在线API服务。

在线服务

使用ModelArts的资源把该模型部署成在线服务后，你可以

• 在线服务的图形界面，上传图像，测试在线服务
• 使用Curl命令发送预测请求
• 使用Postman等图像界面，发送API调用请求
• 使用Python脚本命令，构造API调用请求,如下所示

import requests
import json

url = 'YOUR-API-URL-CREATED-IN-MODELARTS'

headers = {'x-auth-token': 'YOUR-CLOUD-TOKEN'}

filename = '/path/to/local/character_line_image.jpg'
files = {'images': (filename, open(filename, 'rb'), "image/jpeg")}

r = requests.post(url, files=files, headers=headers, verify=False)
outputs = json.loads(r.content)
print(outputs)