基于掩码序列自编码器自预训练与定制PolyLoss微调的鲁棒车道线检测
计算机视觉与模式识别
2023-08-14 v2 人工智能
机器学习
图像与视频处理
摘要
车道线检测对于车辆定位至关重要,这使其成为自动驾驶以及许多智能先进驾驶辅助系统的基础。现有的基于视觉的车道线检测方法未能充分利用有价值的特征并聚合上下文信息,尤其是连续帧中车道线与图像其他区域之间的相互关系。为填补这一研究空白并提升车道线检测性能,本文提出了一种由掩码序列自编码器自预训练与定制PolyLoss微调组成的流水线,用于使用多连续图像帧的端到端神经网络模型。采用掩码序列自编码器以重建随机掩码图像中缺失像素为目标对神经网络模型进行预训练。随后,在执行车道线检测分割的微调分割阶段,以连续图像帧作为输入,并利用反向传播机制结合定制PolyLoss计算输出车道线检测结果与标注真值之间的加权误差,迁移并进一步更新预训练模型权重。大量实验结果表明,所提流水线可使车道线检测模型在正常与困难场景下的性能均超越SOTA,在正常场景测试集上取得最佳测试准确率(98.38%)、精确率(0.937)和F1-measure(0.924),同时在困难场景测试集上取得最佳总体准确率(98.36%)和精确率(0.844),且训练时间可大幅缩短。
引用
@article{arxiv.2305.17271,
title = {Robust Lane Detection through Self Pre-training with Masked Sequential Autoencoders and Fine-tuning with Customized PolyLoss},
author = {Ruohan Li and Yongqi Dong},
journal= {arXiv preprint arXiv:2305.17271},
year = {2023}
}
备注
12 pages, 8 figures, accepted by journal of IEEE Transactions on Intelligent Transportation Systems