SwiftLane：面向快速高效车道线检测
计算机视觉与模式识别
2022-02-17 v1
摘要
近期在车道线检测方面的工作已能在复杂场景中准确检测车道，但许多方法在有限计算资源下无法实现实时性能。在本工作中，我们提出 SwiftLane：一个简单轻量、基于端到端深度学习的框架，结合行分类公式以实现快速高效的车道线检测。该框架辅以误检抑制算法与曲线拟合技术以进一步提升精度。我们的方法达到每秒 411 帧的推理速度，在速度上超越 SOTA，同时在流行的 CULane 基准数据集上取得可比的精度结果。此外，我们提出的框架结合 TensorRT 优化，在作为嵌入式系统的 Nvidia Jetson AGX Xavier 上实现了实时车道线检测，同时达到每秒 56 帧的高推理速度。
引用
@article{arxiv.2110.11779,
title = {SwiftLane: Towards Fast and Efficient Lane Detection},
author = {Oshada Jayasinghe and Damith Anhettigama and Sahan Hemachandra and Shenali Kariyawasam and Ranga Rodrigo and Peshala Jayasekara},
journal= {arXiv preprint arXiv:2110.11779},
year = {2022}
}
备注
Accepted to 20th IEEE International Conference on Machine Learning and Applications (ICMLA) 2021