目标检测YOLO实战应用案例100讲-基于深度学习的实时车道线与目标检测多任务实现(中)
UFast提出将车道线检测过程看作为在全局特征上基于行方向选择特征锚点, 在行上进行车道点的选择,可以显著降低计算成本[ 17]。并且在全局特征图上使用 一个大的感受野可以更好的理解场景,如图2-9所示。 除分类损失外,进一步提出两个损失函数,由于车道线是连续的,相邻锚点 应该相互靠近,连续性是通过约束分类向量在相邻行锚点的分布来实现的,为了 约束车道点的位置关系,提出了车道线形状损失和结构损失,如公式(2-20)(2-21)从划分的角度而言,在行锚选择上,划分的间距为可变的,在UFast中每隔 10个像素
复制链接