抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
車線検出は,車線ラインの複雑なトポロジー形状を予測し,同時に異なるタイプの車線を識別することを必要とする挑戦的なタスクである。以前の研究は,固定アンカー形状による車線の複雑な形状に適合する十分な柔軟性を欠いている,車線ラインの様々な形状に予め定義されたアンカーを回帰するトップダウンロードマップに従う。最近,いくつかの研究は,車線ラインの形を記述するためのキーポイント推定問題として車線検出を定式化することを提案し,ポイントバイポイント方式で同じ車線ラインに属する隣接キーポイントをより柔軟かつ徐々にグループ分けし,それは後処理中に非効率的で時間消費である。本論文では,各キーポイントがポイントバイポイント拡張の代わりに車線ラインの出発点に直接回帰される新しい視点から車線検出問題を定式化するために,グローバル連想ネットワーク(GANet)を提案した。具体的には,それらに属する車線ラインに対するキーポイントの会合を,互いに依存しない車線の対応する出発点へのそれらのオフセットを予測することによって行い,これは,効率を大いに改善するために並列に行うことができる。さらに,著者らは,さらに,隣接キーポイント間の局所相関を適応的に捕捉し,グローバル連想に局所情報を補足する,Lane意識特徴集合(LFA)を提案した。2つのポピュラーな車線検出ベンチマークに関する大規模な実験は,著者らの方法が,CULaneに関して79.63%のF1スコアと,高いFPSを有するTu単純データセットに関して97.71%の以前の方法より優れていることを示した。コードはhttps://github.com/Wolfwjs/GANetで放出される。【JST・京大機械翻訳】