CLRerNet：利用 LaneIoU 提升车道检测置信度
计算机视觉与模式识别
2023-05-16 v1
摘要
车道线标记检测是自动驾驶与驾驶辅助系统的关键组成部分。采用基于行的车道表示方式的现代深度车道检测方法在车道检测基准上表现出优异性能。通过初步的 oracle 实验，我们首先解耦车道表示成分以确定本方法的方向。我们表明，正确的车道位置已存在于现有基于行的检测器的预测中，而能准确表示与真值交并比（IoU）的置信度分数最为有益。基于该发现，我们提出 LaneIoU，通过考虑局部车道角度，使其与度量指标具有更好的相关性。我们开发了一种新颖的检测器 CLRerNet，其以 LaneIoU 作为目标分配代价与损失函数，旨在提升置信度分数的质量。通过细致且公平的基准测试（含交叉验证），我们证明 CLRerNet 大幅优于当前最优方法——在 CULane 上 F1 分数达 81.43%，而现有方法为 80.47%；在 CurveLanes 上达 86.47%，而现有方法为 86.10%。
引用
@article{arxiv.2305.08366,
title = {CLRerNet: Improving Confidence of Lane Detection with LaneIoU},
author = {Hiroto Honda and Yusuke Uchida},
journal= {arXiv preprint arXiv:2305.08366},
year = {2023}
}