![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
车道线检测算法
文章平均质量分 62
放牛娃子
尽量上干货,少说废话,不混篇幅
展开
-
cvpr2022 车道线检测之eigenLanes
cvpr2022,车道线检测算法,Eigenlanes,很不错的点子原创 2022-07-05 17:06:00 · 1496 阅读 · 1 评论 -
Tesla AI DAY 深度分析(转载)
DAY(1)Tesla AI DAY 深度分析 硬核!EP1 Tesla Vision - 知乎介绍其研发历程和主要技术路线DAY(2)深度解读特斯拉 AI DAY(2)—初识多任务神经网络 HydraNet - 知乎主要介绍其多任务网络HydraNet原创 2022-01-13 14:19:15 · 919 阅读 · 0 评论 -
车道线检测之CondLaneNet
CondLaneNet: a Top-to-down Lane Detection Framework Based on Conditional Convolution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heat原创 2021-05-12 18:22:49 · 5345 阅读 · 0 评论 -
车道线检测论文汇总
2020年SUPER: A Novel Lane Detection System对语义分割模型采用层级分类,在推理过程中,每个子分类器根据自己的决策由其父分类器控制。通过这种方式,获得了更可靠的场景标签。在Apollo数据集中,车道标记标签比地面和目标标签更准确,因此在训练阶段只使用车道分割标签。然而,车道标记附近的一些地面区域很容易被误认为车道标记。为了解决这一问题,我们将车道标记扩展到附近,并将整个扩展区域标记为“道路”。被车辆等物体阻塞的道路区域将从标签中移除。下图展示了Apollo标签在扩原创 2021-03-29 10:48:48 · 1489 阅读 · 0 评论 -
车道线检测之CurveLane-NAS
论文地址:https://arxiv.org/abs/2007.12147目前学术界已经有大量用于车道线检测的深度学习方法,但是,针对弯道车道线,大多数方法的效果并不算太好。CurveLane-NAS旨在解决弯道车道线检测问题,从网络搜索的角度,针对长条形车道线,捕捉车道线全局的连贯性特征和局部的弯曲特征。网络模型主要由三部分组成:a、Elastic Backbone Search Module,有效提取车道线的语义特征和隐藏特征;b、Feature Fusion Search Mod...原创 2020-11-26 16:37:31 · 1892 阅读 · 6 评论 -
车道线检测之3D车道线检测
《3D-LaneNet: End-to-End 3D Multiple Lane Detection》坐标系定义有相机坐标系Ccamera和道路坐标系Croad,作者假定两个坐标系的roll和yaw一致,仅存pitch的差异,那么,两坐标系之间的转换关系Tc2r将由h_cam和camera pitch确定,其中,h_cam和camera pitch由模型预测。模型IO输入为相机采集的图像,输出分为2部分,第一部分为h_cam和camera pitch,第二部分为道路坐标系Croad下原创 2020-06-22 14:50:10 · 3070 阅读 · 0 评论 -
车道线检测分类--Lane Detection and Classification using Cascaded CNNs
Lane Detection and Classifification using Cascaded CNNs代码戳here 作者采用两个级联的CNN网络,完成了车道线的实例分割和分类。第一个CNN网络做车道线的实例分割,第二个CNN网络对车道线实例进行分类。论文采用TuSimple数据集。实例分割 选择ERFNet作为主干网络,论文中...原创 2020-03-10 11:45:32 · 3452 阅读 · 11 评论 -
自适应权重的交叉熵计算
在训练集中类别不平衡的情况下,可对不同类别赋予不同的权重。有采用固定权重,也有实时计算权重。在这里,介绍一种自适应权重的计算方法,参考论文《ENet: A Deep Neural Network Architecture for Real-time Semantic Segmentation》。对类别的权重定义如下:其中,c是一个超参数,设为1.02,是该类样本所占的比例。最后,将...原创 2020-01-20 16:36:43 · 3616 阅读 · 3 评论 -
车道线检测——Efficient Road Lane Marking Detection With Deep Learning
Efficient Road Lane Marking Detection With Deep Learning作者提出了LMD(Lane Marking Detector),利用深度卷积网络提取车道线特征,为增大感受野,采用了空洞卷积(dilated convolution)。本文属于语义分割的,还未到实例分割的范畴。先分割出车道线,然后进行后处理,拟合车道线。算法流程图如下:...原创 2019-12-24 16:36:10 · 1066 阅读 · 0 评论