论文笔记|Towards End-to-End Lane Detection: an Instance Segmentation

最新推荐文章于 2024-03-17 16:22:41 发布
最新推荐文章于 2024-03-17 16:22:41 发布
阅读量592 收藏
点赞数
文章标签： lane detection instance segmentation deeplearning 车道线分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bea_tree/article/details/84147779
版权

用尽量少的语言描述一篇paper

本文看点：

结合embedding和Segmentation mask提供一种做Lane Instance Segmentation的思路

Lane的Instance Segmentation可以比单纯的Segmentation适应更多样的路面情况，本文在Segmentation Mask的基础上增加了embedding分支，用以使得每条lane中的像素embedding结果更加接近，有了lane的segmentation mask和其中像素的embedding就可以利用聚类的方法将mask 根据阈值切分为几条单独的lane。

网络思路如下：
在这里插入图片描述

embedding的学习还是通过类似于contrastive loss的方法，将同类拉近，异类拉远。
在这里插入图片描述
另外，文章中根据图像来学习lane的拟合参数，数据驱动的学习使得系统对于上下坡的场景适应性更强

bea_tree
关注
专栏目录
《End-to-end Lane Detection through Differentiable Least-Squares Fitting》论文精讲
weixin_38410551的博客
09-18 373
没有理解的点： geometric loss function:几何损失函数。（没有明白）
[车道线检测论文学习] Towards End-to-End Lane Detection: an Instance Segmentation Approach
Holeung blog
04-29 1281
车道线检测 Towards End-to-End Lane Detection: an Instance Segmentation Approach Abstract Semantic Instance Segmentation with a Discriminative Loss Function Pipeline Loss Function Curve fitting Exper...
车道线检测Towards End-to-End Lane Detection: an Instance Segmentation Approach论文解读
sinat_24674017的博客
07-19 1272
论文链接 https://arxiv.org/pdf/1802.05591.pdf 动机 传统车道线检测算法不够灵活，对于不同的检测场景缺少适应性。而基于深度学习的算法在做语义分割后需要进行后处理区分，但是后处理往往计算量大，缺乏灵活性。有些算法对车道线进行分类，直接通过类别对各个车道线进行区分，但这个方法使得可预测的车道线数量固定，只能检测ego lane，当车道线数量变化时，无法适应 贡献 ...
车道线检测--End-to-end Lane Detection through Differentiable Least-Squares Fitting
AI小作坊 的博客
04-30 1694
End-to-end Lane Detection through Differentiable Least-Squares Fitting https://github.com/wvangansbeke/LaneDetection_End2End 本文使用 CNN网络来检测车道线，end-to-end 就是输入图像，输出拟合出的车道线参数，一步到位，不用后续处理什么的。 传统的车道线检测是分步骤...
目标检测 | End-to-end Lane Detection through Differentiable Least-Squares Fitting
xiao_lxl的专栏
05-10 3591
文章目录1. 摘要**论文的主要特色在于：2 方法2.1 生成加权像素坐标的深度网络2.2 加权最小二乘拟合模块2.3 几何损失函数2.4 可选择性变换到其他参考框架3 实验3.1 玩具实验3.2 当前车道线的检测4总结 会议：CVPR 2019 标题：《End-to-end Lane Detection through Differentiable Least-Squares Fitting 》...
3D-LaneNet- End-to-End 3D Multiple Lane Detection.pdf
04-20
We introduce a network that directly predicts the 3D layout of lanes in a road scene from a single image. This work marks a first attempt to address this task with onboard sensing without assuming a known constant lane width or relying on pre-mapped environments. Our network architecture, 3D-LaneNet, applies two new concepts: intranetwork inverse-perspective mapping (IPM) and anchorbased lane representation. The intra-network IPM projection facilitates a dual-representation information flow in both regular image-view and top-view. An anchor-percolumn output representation enables our end-to-end approach which replaces common heuristics such as clustering and outlier rejection, casting lane estimation as an object detection problem. In addition, our approach explicitly handles complex situations such as lane merges and splits. Results are shown on two new 3D lane datasets, a synthetic and a real one. For comparison with existing methods, we test our approach on the image-only tuSimple lane detection benchmark, achieving performance competitive with stateof-the-art
3D-LaneNet+: Anchor Free Lane Detection using a Semi-Local Representation
weixin_56836871的博客
11-07 927
动机： 对3D-LaneNet的改进； 特点 semi-local tile representation： breaks down lanes into simple lane segments whose parameters can be learnt 【CC】网格化，基于每个网格去学习Lane的特征；最后再通过NN合起来；这样天然就是Anchorfree的，并且支持不规则的/没有封闭的曲线 技术点： 3D-LaneNet： The first is a CNN architecture wi
车道线检测lane-detection【论文+github源码】总结
weixin_41364297的博客
09-23 3940
github链接：https://github.com/amusi/awesome-lane-detection 2019 2018 2017 Paper 2019 Learning Lightweight Lane Detection CNNs by Self Attention DistillationgithubICCV 2019 Multi-Class Lane...
[深度学习] 车道线检测调研(lane detection)
热门推荐
Holeung blog
04-19 1万+
背景 车道线检测作为自动驾驶领域的常规工作，在深度学习的浪潮中又有了很大的进步，在此分享我所做的调研工作，部分为ppt截图，为了方便请谅解。 车道线检测工作的局限性 如上图所示，车道线检测工作的baseline并不明确，不同的方法与不同的场景应用都有各自的局限性。例如： 输出类型：mask掩码/点集/矢量线条 实例化：每个车道线是否形成实例 分类：是否对车道线进行了分类（单白、双黄等） 提前定义...
【论文笔记】 Towards End-to-End Lane Detection: an Instance SegmentationApproach
ctfabc4425的博客
07-02 3790
【论文笔记】 Towards End-to-End Lane Detection: an Instance SegmentationApproach ####论文链接：[https://arxiv.org/abs/1802.05591?context=cs](https://arxiv.org/abs/1802.05591?context=cs) 这篇论文是做车道线检测的，之前的检测...
《Towards End-to-End Lane Detection: an Instance Segmentation Approach》论文阅读
On my way
10-12 610
车道自动保持是一项重要的辅助驾驶功能，它依赖于车道线检测算法。传统的车道线检测算法依赖人为设计的特征和规则，以及后处理方法，因此计算量大且无法适应不同的场景。近期人们开始使用深度学习实现像素级的车道线分割，由于巨大的感受野，即使没有显著的特征的车道线也能检测出来。但是这些方法只能检测预定义好的固定数量的车道线，譬如ego-lanes方法；且无法处理车道线的变化。这篇文章中作者提出一种端到端的方法，将车道线检测作为一个实例分割问题来处理——每条车道线都是一个实例。
【LaneNet】Towards End-to-End Lane Detection: an Instance Segmentation Approach 代码复现
canpian7的博客
03-12 994
准备工作 Tensorflow版本1.14 数据集：tusimple数据集 复现代码lanenet-lane-detection-master 本地项目代码路径F:\car\code\lanenet-lane-detection-master 本地数据集路径F:\car\dataset\tusimple vgg.npy下载放在项目路径的data目录中 执行项目文件，脚本如下 src_dir是你自己的数据集的目录 cd lanenet-lane-detection/tools python tools/gen
Key Points Estimation and Point Instance Segmentation Approach for Lane Detection
yl
03-29 1212
一.概述 paper: Key Points Estimation and Point Instance Segmentation Approach for Lane Detection code: https://github.com/koyeongmin/PINet dataset: Tusimple-dataset Advantage: The arbitrary number of l...
《Key Points Estimation and Point Instance Segmentation Approach for Lane Detection》翻译
cxhmike的博客
06-18 903
《车道线检测的关键点预测和点实例分割方法》一、摘要1、体系结构2、方法概述3、方法优点二、研究现状三、实现方法1、车道线点实例网络2、后处理方法四、实验结果1、评价标准2、实验 一、摘要 1、体系结构 包含共享的特征提取层和多个分支，用于检测和嵌入到车道线集群中。 2、方法概述 该方法能在车道线上生成精确的点，针对这些点，将聚类问题投射为点云实例分割问题。 3、方法优点 （1）该方法利用深度神经网络，能检测任意数量的车道线， （2）错误率更低。 （3）轻量模型，生成点的数量比原始图片像素点少得多。 （4）消
PINet车道线检测论文：key points estimation and point instance segmentation approach for lane detection.
最新发布
Joining667的博客
03-17 1340
是篇关于自动驾驶中车道检测技术的研究论文，标题为“Key Points Estimation and Point Instance Segmentation Approach for Lane Detection”，作者包括Yeongmin Ko、Younkwan Lee、Shoaib Azam、Farzeen Munir、Moongu Jeon和Witold Pedrycz。论文提出了一种名为Point Instance Network (PINet)的车道检测方法，该方法基于关键点估计和实例分割方法。
Key Points Estimation and Point Instance Segmentation Approach for Lane Detection 论文笔记
Tianchao龙虾
04-21 233
Key Points Estimation and Point Instance Segmentation Approach for Lane Detection 论文链接： https://arxiv.org/abs/2002.06604 Problem Statement 对PINet旧版本的一个补充。旧版解析在这个链接。 Direction 增加了多个hourglass network，也添加了知识蒸馏。相对于以前只在TuSimple数据集上测试，多增加了在CuLane数据集上的测试验证。 Metho
论文翻译-Key Points Estimation and Point Instance Segmentation Approach for Lane Detection
FlyDremever
12-17 2130
Abstract 用于自动驾驶的感知技术应适应各种环境。在车道线检测（一种基本的感知模块）时，应考虑许多条件，例如车道线数和目标系统的计算能力。为了解决这些问题，在本文中，我们提出了一种车道线检测方法，称为Point Instance Network (PINet)。该方法基于关键点估计和实例分割方法。 PINet包括几个经过训练的堆叠式沙漏型网络。因此，可以根据目标环境的计算能力来选择训练模型的大小。我们将预测关键点的聚类问题转换为实例分割问题；无论车道线的数量如何，都可以对PINet进行训练。 PIN.
论文解读：Key Points Estimation and Point InstanceSegmentation Approach for Lane Detection
weixin_39326879的博客
04-20 378
这是一篇很有意思的车道线分割的论文，作者把车道线分割的问题转换成关键点检测，主要流程就是把512256的图片通过压缩网络变成6432的大小，然后经过4个Hourglass的沙漏模块（每一个沙漏模块都可以单独输出结果），获取关键点的置信度图+偏移量+特征向量，置信度不用说了，大小就是6432，偏移量是每一像素点对应偏移量两个值x,y，这个偏移量是用于纠正相对应于大网格的偏移，就是在6432的特征图上，一个像素对应原图8*8，所以x，y都是0~8之内的值（通过限制在0 ~1以内，然后乘以8就可以做到），然后特征
自动驾驶论文：Key Points Estimation and Point Instance Segmentation Approach for Lane Detection及其Pytorch实现
mingo_敏
02-27 2986
Key Points Estimation and Point Instance Segmentation Approach for Lane Detection PDF: https://arxiv.org/pdf/2002.06604.pdf PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks PyTorch代码: ...
faster r-cnn: towards real-time object detection with region proposal networks
06-28
Faster R-CNN是一种基于区域建议网络（Region Proposal Networks，RPN）的物体检测算法，旨在实现实时物体检测。它通过预测每个区域是否含有物体来生成候选框，并使用卷积神经网络（CNN）来确定候选框中的物体类别。...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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