FENet：用于车道检测的聚焦增强网络
计算机视觉与模式识别
2024-06-18 v6 人工智能
摘要
受人类驾驶专注度的启发，本研究首创了 augmented 网络，集成了聚焦采样、部分视场评估、增强型 FPN 架构和方向性 IoU 损失——这些针对性创新旨在解决自动驾驶中精确车道检测的障碍。实验表明，我们的聚焦采样策略强调关键远距离细节（不同于均匀方法），显著提升了基准测试和实际应用中对于安全至关重要的弯曲/远距离车道识别准确率。虽然 FENetV1 通过隔离模仿驾驶员视觉的透视感知上下文实现了传统指标的最先进（SOTA）性能，但 FENetV2 在所提出的部分视场分析中证明最为可靠。因此，尽管在标准全图测量指标上有轻微下降，我们特别推荐 V2 用于实际车道导航。未来的方向包括收集道路数据并整合互补的双重框架，以在人类感知原则指导下取得进一步突破。代码可在 https://github.com/HanyangZhong/FENet 获取。
引用
@article{arxiv.2312.17163,
title = {FENet: Focusing Enhanced Network for Lane Detection},
author = {Liman Wang and Hanyang Zhong},
journal= {arXiv preprint arXiv:2312.17163},
year = {2024}
}
备注
This article has been accepted by ICME2024. The Code is available at https://github.com/HanyangZhong/FENet