用于车道检测的密集混合提议调制
计算机视觉与模式识别
2023-05-01 v1
摘要
本文提出一种用于车道检测的密集混合提议调制（DHPM）方法。大多数现有方法对高分提议子集进行稀疏监督，而其他提议无法获得有效的形状与位置引导，导致整体质量较差。为此，我们对所有提议进行密集调制，以生成具有判别性表示且在拓扑与空间上高质量的车道预测。具体而言，我们首先通过施加单车道形状与位置约束，确保车道提议具有物理意义。得益于所提的提议到标签匹配算法，我们为每个提议分配一条目标真实车道，以高效从空间布局先验中学习。为增强泛化性并建模提议间关系，我们使匹配同一真实车道的提议的形状差异多样化。除形状与位置约束外，我们设计了一种质量感知分类损失，自适应监督每个正提议，从而进一步提升判别能力。我们的DHPM在四个流行基准数据集上取得了极具竞争力的性能。此外，在不引入新参数且不降低推理速度的情况下，我们在大多数指标上持续优于基线模型。
引用
@article{arxiv.2304.14874,
title = {Dense Hybrid Proposal Modulation for Lane Detection},
author = {Yuejian Wu and Linqing Zhao and Jiwen Lu and Haibin Yan},
journal= {arXiv preprint arXiv:2304.14874},
year = {2023}
}
备注
Accepted by T-CSVT