论文阅读：Ultra Fast Structure-aware Deep Lane Detection

语义中的车道线检测，车道线检测主要两大类，一类传统方法，一类深度学习方法，深度学习中SCNN卷积 SAD自注意力蒸馏。

作者主要解决两个问题：

1、How the formulation achieves fast speed   速度问题
2、How the formulation handles the no-visual-clue problem  遮挡等问题
 

1、通过划分小块 来决定车道线 加快速度

其实我的理解就是划分成小块，每次从每行中选择一个块作为车道线，假如没有的话就选最右边一列。 因为划分成小块，肯定速度上快了原来的语义分割都是像素级。

2、解决遮挡等问题，假设车遮挡，或者虚线，靠局部信息无法工作的时候。

首先res_block出来的是全局信息，还加入了辅助的语义分割模块，这一部分只在训练中用，在实际推理中没有用到。

总的loss

第一个loss 最基础的交叉熵 预测结果和真值的差值

第二个loss 结构loss 其中Lsim 相邻的两行接近。shp 斜率相似

实验结果 当然很厉害 效果不错 速度快