文献

J-GLOBAL ID：202102245419192347   整理番号：21A1813145

変圧器によるエンドツーエンド車線形状予測【JST・京大機械翻訳】

End-to-end Lane Shape Prediction with Transformers

著者 (4件)： Liu Ruijin (Xi’an Jiaotong University,Institute of Artificial Intelligence and Robotics,China) ,  Yuan Zejian (Xi’an Jiaotong University,Institute of Artificial Intelligence and Robotics,China) ,  Liu Tie (Capital Normal University,College of Information Engineering,China) ,  Xiong Zhiliang (Shenzhen Forward Innovation Digital Technology Co. Ltd,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： WACV  ページ： 3693-3701  発行年： 2021年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 車線検出,近似曲線として車線標識を同定するプロセスは,自律車両における車線逸脱警報と適応巡航制御のために広く使われている。2つのステップワシントン特徴抽出プラス後処理でそれを解決する一般的なパイプラインは,有用ではあるが,グローバル文脈と車線の長くて薄い構造を学習するのに,あまりに不十分で欠陥がある。これらの問題に取り組むために,より豊富な構造とコンテキストを学習するために,変圧器で構築されたネットワークを用いて,車線形状モデルのパラメータを直接出力するエンドツーエンド法を提案した。車線形状モデルを道路構造とカメラ姿勢に基づいて定式化し,ネットワーク出力のパラメータの物理的解釈を提供した。変圧器は,細長構造と大域的文脈を捉えるために自己注意メカニズムと非局所相互作用をモデル化する。提案方法をTuSimpleベンチマークで検証し,最も軽量のモデルサイズと最速速度を有する最先端の精度を示した。さらに,この方法は,挑戦的な自己収集車線検出データセットに対する優れた適応性を示し,実際の応用における強力な展開可能性を示した。コードはhttps://github.com/liuruijin17/LSTRで利用可能である。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  相互作用 ,  *変圧器 ,  警報 ,  ネットワーク ,  特徴抽出 ,  適応性 ,  後処理 ,  *エンドツーエンド方式 ,  道路構造 ,  定式化 ,  ベンチマーク
準シソーラス用語： 形状モデル ,  車線逸脱 ,  車線検出 , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  医用画像処理  (JE04020T) ,  符号理論  (ND02030R) ,  NMR一般  (BM07041R) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (4件)： 変圧器 ,  エンドツーエンド ,  車線 ,  形状予測