Keep your Eyes on the Lane: Real-time Attention-guided Lane Detection(LaneATT)论文阅读

本文介绍了LaneATT论文,该模型提出了基于像素的注意力机制,实现了一个轻量级的单阶段车道检测系统,提高了在复杂场景下的检测精度,并优化了训练和推理速度,达到了250 FPS。通过车道的像素表示、特征池化和注意力模块,模型能有效捕捉全局信息,提高检测效率。
摘要由CSDN通过智能技术生成

原文地址

1.创新点

​ 提出了一种聚合全局信息的,新颖的基于 anchor 的注意力机制。

​ 提出了一种基于 anchor 的单阶段车道检测模型,称为 LaneATT。它的架构允许使用轻量级 backbone CNN,同时保持高精度。

​ 基于 anchor 的特征池化通过使用 anchor 本身来实现单级检测器,可以潜在地探索所有特征图,从而能够使用更轻量级的 backbone 和更小的感受野。

2.解决了哪些问题

​ 一种车道检测方法,在大型复杂数据集上比现有最先进的实时方法更准确。

​ 与大多数其他模型相比,该模型能够实现更快的训练和推理时间(达到 250 FPS,并且乘加运算 (MAC) 比之前最先进的模型少了一个数量级)。

3.原理和算法步骤

LaneATT 是一种基于 anchor 的单阶段模型,RGB 图像 I ∈ R 3 × H I × W I I∈R^{3×H_I×W_I} IR3×HI×WI 作为输入,输出是车道边界线。

​ 作为主干的 CNN 会生成一个特征图,然后将其池化以提取每个 anchor 的特征。这些特征会和由注意力模块提取的一组全局特征相结合。最后,组合特征被传递到全连接层以预测最终输出车道。
在这里插入图片描述

3.1.车道和 anchor 表示

​ 车道由等距 y 坐标 Y = { y i } i = 0 N p t s − 1 Y = \{y_i\}^{N_{pts}-1}_{i=0} Y={ yi}i=0Npts1x 坐标 X = { x i } i = 0 N p t s − 1 X = \{x_i\}^{N_{pts}-1}_{i=0} X={ xi}i=0Npts1

​ 基于锚的检测时使用线,由 (i) 位于图像边界之一的原点 O = ( x o r i g , y o r i g ) O = (x_{orig},y_{orig}) O=(xorig,yorig) (其中 y o r i g ∈ Y y_{orig} ∈Y yorigY ) 和 (ii) 方向 θ 形成。使用起始索引 s 和结束索引 e 来定义 X 的有效连续序列。

3.2.主干网络

​ 用如 resnet 的通用 CNN 输出特征图 F b a c k ∈ R C F ′ × H F × W F F_{back} ∈ R^{C^′_F ×H_F ×W_F} FbackRCF×HF×WF,再用 1 x 1 卷积对 F b a c k F_{back} Fback 进行降维,生成通道缩减的特征图 F ∈ R C F × H F × W F F ∈R^{C_F ×H_F ×W_F} FRCF×HF×WF

3.3.基于 anchor 的特征池化

​ 锚定义了将用于各个建议的 F 点。由于锚被建模为线,因此给定锚的兴趣点是那些与锚的虚拟线相交的点。对于每个 y j = 0 , 1 , 2 , . . . , H F − 1 y_j = 0,1,2,...,H_F -1 yj=0,1,2,...,HF1,将有一个对应的 x 坐标,
x j = 1 t a n θ ( y j − y o r i g / δ b a c k + x o r i g / δ b a c k ) — — — — ( 1 ) x_j = \frac{1}{tan\theta}(y_j-y_{orig}/\delta_{back}+x_{orig}/\delta_{back})————(1) xj=tanθ1(yjyorig/δback+xorig/δ

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值