YOLOP三合一：车辆检测+道路面分割+道路线分割
【前言】
原本想写AdderNet的，但这东西有点难顶，GPU训练显存用量明显不对劲，我的小显卡练个resnet20炸显存了，换成CPU炼，炼到天黑都跑不了多少个epoch，不折腾了。中间折腾的时候看到了华科的这个YOLOP的，所以这次就写这个好了。最近事情特别多，有点忙，而且YOLOP这个工作很简单，我也就随便写写算了。
Paper基本信息
题目：YOLOP: You Only Look Once for Panoptic Driving Perception
链接：
Github：
总结：YOLO车辆检测基础上加两个head实现道路面分割和道路线分割
Paper内容介绍
【网络结构】
这篇Paper的工作其实很简单，不说太多的废话了，一言以蔽之：在常见的目标检测模型的基础上，抽出来两个head，一个做道路面分割，一个做道路线分割。网络结构如下图所示：
没看错的话，基本结构就是YOLO V5那一套，然后在neck最大的特征抽出来两个head就完事了。
【NCNN实现】
我在NCNN上把这个工程跑起来了，fp32计算，在骁龙845上跑起来了，撑死也就3fps。有兴趣的可以去试试：
下面贴一下我跑出来的效果：
整体效果还行，就是慢了点，我导了个APP给大家玩玩，也在Github上：
