面向驾驶的端到端视频分割：自动驾驶汽车的车道检测
计算机视觉与模式识别
2018-12-17 v1
摘要
安全性和减少道路交通事故仍是自动驾驶的重要问题。统计表明，非预期车道偏离是全球机动车碰撞的主要原因，使得车道检测成为自动驾驶中最具前景且最具挑战性的任务。如今，众多团队将深度学习技术与计算机视觉问题相结合以解决自动驾驶问题。本文使用全局卷积网络(GCN)模型来处理车道语义分割中的分类与定位问题。我们提出了基于颜色的分割并评估了该模型的可用性。还使用了基于残差的边界细化与Adam优化以实现最先进的性能。由于普通汽车无法负担车载GPU，且针对特定道路的训练过程可由多辆车共享。我们提出了一个框架使其能在真实世界中工作。我们构建了实时视频传输系统，从汽车获取视频，在配备GPU的边缘服务器中训练模型，并将训练好的模型发回汽车。
引用
@article{arxiv.1812.05914,
title = {End to End Video Segmentation for Driving : Lane Detection For Autonomous Car},
author = {Wenhui Zhang and Tejas Mahale},
journal= {arXiv preprint arXiv:1812.05914},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1806.07226 by other authors