CANet：基于自适应解码器的曲线导引线车道检测网络
计算机视觉与模式识别
2023-04-25 v1
摘要
由于复杂的道路场景以及不同相机视角导致的车道线形变，车道检测具有挑战性。已有大量解决方案被提出，但无法很好地处理弯道车道。为解决该问题，本文提出一种自上而下的深度学习车道检测新方法 CANet。首先在全局语义层面上通过 U 形曲线导引线上的热图响应一条车道实例，从而在每个响应点处聚合各车道的对应特征。随后 CANet 通过条件卷积获得整条车道的热图响应，最后利用自适应解码器将点集解码以描述车道。实验结果表明，CANet 在不同指标上达到了 SOTA。我们的代码将很快发布。
引用
@article{arxiv.2304.11546,
title = {CANet: Curved Guide Line Network with Adaptive Decoder for Lane Detection},
author = {Zhongyu Yang and Chen Shen and Wei Shao and Tengfei Xing and Runbo Hu and Pengfei Xu and Hua Chai and Ruini Xue},
journal= {arXiv preprint arXiv:2304.11546},
year = {2023}
}
备注
5 pages, IEEE ICASSP 2023