基于实例分割与注意力投票的多车道检测
计算机视觉与模式识别
2020-01-03 v1 机器学习
图像与视频处理
摘要
自动驾驶正成为领先工业研究领域之一。因此许多汽车公司纷纷推出从半自动驾驶到全自动驾驶的解决方案。在这些方案中，车道检测是至关重要的驾驶辅助功能之一，在自动驾驶车辆的决策过程中发挥着关键作用。人们已提出多种道路车道检测方案，从使用手工特征到最先进的端到端可训练深度学习架构。这些架构大多在交通受限环境中训练。本文提出一种多车道检测的新方案，在准确率和速度上均优于最先进方法。为此，我们还提供了一个标注方案更直观的数据集，优于其他基准数据集。使用我们的方法，我们以54.53 fps（平均）的速度取得了99.87%的车道分割准确率。
引用
@article{arxiv.2001.00236,
title = {Multi-lane Detection Using Instance Segmentation and Attentive Voting},
author = {Donghoon Chang and Vinjohn Chirakkal and Shubham Goswami and Munawar Hasan and Taekwon Jung and Jinkeon Kang and Seok-Cheol Kee and Dongkyu Lee and Ajit Pratap Singh},
journal= {arXiv preprint arXiv:2001.00236},
year = {2020}
}
备注
Accepted in ICCAS 2019 - The 19th International Conference on Control, Automation and Systems, Corresponding Author: Shubham Goswami