CLRKDNet：利用知识蒸馏加速车道检测
计算机视觉与模式识别
2024-05-22 v1
摘要
道路车道是智能车辆视觉感知系统的重要组成部分，在安全导航中起着关键作用。在车道检测任务中，平衡准确性与实时性能至关重要，然而现有方法往往牺牲一方以换取另一方。为了解决这种权衡，我们引入了 CLRKDNet，这是一个平衡了检测准确性与实时性能的轻量化模型。最先进的模型 CLRNet 在各种数据集上表现出色，但由于其特征金字塔网络（FPN）和多层检测头架构，其计算开销很大。我们的方法简化了 FPN 结构和检测头，重新设计了它们，并结合了新颖的师生蒸馏过程以及一系列新引入的蒸馏损失。这种组合将推理时间减少了高达 60%，同时保持了与 CLRNet 相当的检测准确性。这种准确性与速度的战略平衡使 CLRKDNet 成为自动驾驶应用中实时车道检测任务的可行解决方案。
引用
@article{arxiv.2405.12503,
title = {CLRKDNet: Speeding up Lane Detection with Knowledge Distillation},
author = {Weiqing Qi and Guoyang Zhao and Fulong Ma and Linwei Zheng and Ming Liu},
journal= {arXiv preprint arXiv:2405.12503},
year = {2024}
}