基于resnet-18的轻量型车道检测研究

最新推荐文章于 2024-06-25 15:58:15 发布

骑马戏猴侃猪逗呆子的和尚

最新推荐文章于 2024-06-25 15:58:15 发布

阅读量2.9k

点赞数 1

分类专栏：学习笔记文章标签：计算机视觉人工智能

本文链接：https://blog.csdn.net/han422858897/article/details/121152577

版权

本文提出了一种基于ResNet-18的轻量级车道检测方法，将车道线检测视为行搜索问题，通过预定义的行锚点和细胞预测，实现了高精度和快速的检测效果。在图森数据集上，经过30个epoch的训练，模型精度达到95.34%，速度达88.82FPS，尽管损失曲线未完全收敛，但已超越Lanenet的表现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文2： Ultra Fast Structure-aware Deep Lane Detection
官方代码地址：https://github.com/cfzd/Ultra-Fast-Lane-Detection
该论文的轻量型模型以Resnet-18为底。

1.论文介绍以及实验

论文方法：将车道线检测定义为寻找车道线在图像中某些行的位置的集合，即基于行方向上的位置选择、分类（row-based classification），而分割是逐像素上channel（通道）维度的选择。该文把车道线检测问题看作基于全局图像特征的行搜索问题（row-based selecting method based on global image features）实际上就是在图像中预先定义多个row anchor，把每一个anchor都gridding为多个cell，通过预测每一cell中车道线的存在概率，实现车道线检测。
参考内容：https://zhuanlan.zhihu.com/p/157530787，原作者的检测示意图。
在这里插入图片描述
在图森数据集中，作者设置的row_anchor = [64-284]，其中区间高度为4。