紧盯车道：实时注意力引导的车道检测
计算机视觉与模式识别
2020-11-19 v2
摘要
现代车道检测方法在复杂真实世界场景中取得了卓越性能，但许多方法难以保持实时效率，而这对自动驾驶车辆至关重要。在本工作中，我们提出LaneATT：一种基于锚点的深度车道检测模型，它与其他通用深度目标检测器类似，使用锚点进行特征池化步骤。由于车道遵循规律模式且高度相关，我们假设在某些情况下全局信息可能对推断其位置至关重要，尤其在遮挡、车道标记缺失等条件下。因此，本工作提出一种新颖的基于锚点的注意力机制，用于聚合全局信息。该模型在文献中三个最广泛使用的数据集上进行了充分评估。结果表明，我们的方法优于当前最先进（SOTA）方法，展现出更高的效力和效率。此外，进行了消融研究，并讨论了实践中有用的效率权衡选项。
引用
@article{arxiv.2010.12035,
title = {Keep your Eyes on the Lane: Real-time Attention-guided Lane Detection},
author = {Lucas Tabelini and Rodrigo Berriel and Thiago M. Paixão and Claudine Badue and Alberto F. De Souza and Thiago Oliveira-Santos},
journal= {arXiv preprint arXiv:2010.12035},
year = {2020}
}