车道线检测之CondLaneNet

CondLaneNet: a Top-to-down Lane Detection Framework Based on Conditional Convolutionc

code​​​​​​​

论文结构说明：

• 用resnet作为主干网络，加入了标准的FPN作为nect；
• 由于车道线比较细长，作者在resnet输出的最小特征图上，加入了transformer，用于捕捉车道线的关联信息；
• 在Proposal head部分，与SOLOv2类似，将图片划分为若干个格子（令格子数为Hp * Wp），输出2个特征图，一个为heatmap（shape 1 * Hp * Wp），表示每个格子是否存在车道线实例。另一个输出为parameter map（shape 为 Cp * Hp * Wp），与heatmap一一对应，输出格子中车道线实例对应的一组卷积参数，在Conditional shape head中做卷积操作，计算该格子对应的车道线信息；
• Conditional shape head，首先，在shared branch的特征图上，利用前面计算的卷积参数，计算location maps和offset maps；
• location maps为单通道的特征图，对于每行数据，先做softmax，再根据softmax的输出与列坐标加权求和，得到该行的车道线位置loc；同时，对每行数据用一个全连接层预测车道线是否穿越该行；如Figure 4所示。
• 由于loc计算的不够精准，故offset maps在水平方向上预测一个offset值。

实验