基于一对多 Transformer 的端到端车道检测

尽管车道检测方法在真实场景中已展现出令人印象深刻的性能，大多数方法仍需要不够鲁棒的后处理。因此，诸如 DEtection TRansformer（DETR）之类的端到端检测器已被引入车道检测。然而，DETR 中的一对一标签分配会因标签语义冲突而降低训练效率。此外，DETR 中的位置查询无法提供显式的位姿先验，使其难以优化。本文中，我们提出 One-to-Several Transformer（O2SFormer）。我们首先提出一对多标签分配，其结合一对多和一对一标签分配，在解决标签语义冲突的同时保持端到端检测。为克服一对一分配带来的优化困难，我们进一步提出逐层软标签，动态调节不同解码器层中正车道锚点的正样本权重。最后，我们设计基于动态锚点的位置查询，通过将车道锚点融入位置查询来挖掘位姿先验。实验结果表明，以 ResNet50 为骨干的 O2SFormer 在 CULane 数据集上取得 77.83% 的 F1 分数，优于现有的基于 Transformer 与基于 CNN 的检测器。此外，对于 ResNet18 骨干，O2SFormer 的收敛速度比 DETR 快 12.5 倍。