CLRNet:車線検出のためのクロスレイヤ精密化ネットワーク【JST・京大機械翻訳】

Zheng Tu; Huang Yifei; Liu Yang; Tang Wenjian; Yang Zheng; Cai Deng; He Xiaofei

プレプリント

J-GLOBAL ID：202202214416581597 整理番号：22P0307000

CLRNet:車線検出のためのクロスレイヤ精密化ネットワーク【JST・京大機械翻訳】

CLRNet: Cross Layer Refinement Network for Lane Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月19日プレプリントサーバーでの情報更新日： 2022年03月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ランはインテリジェント車両の視覚ナビゲーションシステムにおいて重要である。自然に,車線は高レベル意味論を有する交通サインであり,一方,それは正確に局在化するために詳細な低レベル特徴を必要とする特定の局所パターンを持っている。異なる特徴レベルを用いることは,正確な車線検出にとって非常に重要であるが,まだ探索されていない。本研究では,車線検出における高レベルおよび低レベル特徴の両方を完全に利用することを目的として,クロスレイヤリファイナメントネットワーク(CLRNet)を提案した。特に,高レベルセマンティック特徴を持つ車線を検出し,次に低レベル特徴に基づく精密化を行う。この方法で,局在化精度を改善するために,局所詳細車線特徴を活用する間,車線を検出するためにより多くの文脈情報を利用することができる。グローバル文脈を集めるためのROIGatherを提示し,さらに車線の特徴表現を強化した。著者らの新しいネットワーク設計に加えて,著者らは,位置決め精度を改善するために,全ユニットとして車線ラインを回帰するラインIoU損失を導入した。実験は,提案方法が最先端の車線検出手法を大幅に凌駕することを示した。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , 【Automatic Indexing@JST】

パターン認識 , 電子航法一般

, ,

前のページに戻る