有效的空间和通道网用于基于自我注意和行的车道标记检测
Shengli Fan1, Yuzhi Zhang2, Shengrong Lu3
1Department of Automotive Engineering, Hebei College of Industry and Technology, Hongqi Avenue 626, Shijiazhuang, 050091, China. hbgyyb@hbcit.edu.cn.
Scientific reports
|November 21, 2023
概括
本研究介绍了一种新的,高效的车道检测模型,用于先进的驾驶系统. 它实现了高精度和速度,即使在具有挑战性的条件下,如低光和阴影.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 汽车工程 汽车工程
背景情况:
- 车道检测对于高级驾驶辅助系统 (ADAS) 至关重要,需要高精度和速度.
- 现有的自我注意模型在复杂的场景中难以有效地提取全球信息,从而影响运行时间.
- 在模型复杂性,全球信息提取和实时性能之间存在权衡.
研究的目的:
- 开发一个轻量级和高效的车道检测模型.
- 提高车道识别的准确性和速度,特别是在具有挑战性的环境条件下.
- 解决现有的自我注意机制在提取全球信息方面的局限性.
主要方法:
- 开发了一种结合道和空间自我注意力的新型车道检测模型.
- 整合了卷积层 (Conv1d和Conv2d) 进行有效的全球信息提取.
- 该模型旨在轻量化,避免复杂的计算和大矩阵.
主要成果:
- 拟议的模型在Tusimple基准上实现了95.49%的准确性.
- 在CULane数据集中,该模型达到75.32%的最高F1得分,在困难的场景中表现出色.
- 该模型在Tusimple和CULane数据集上在准确性和速度方面表现出卓越的性能.
结论:
- 开发的车道检测模型为ADAS提供了高效和准确的解决方案.
- 与Conv1d/Conv2d集成的通道和空间自我注意力有效地提取全球信息.
- 该模型成功地克服了困难的驾驶条件所带来的挑战,超过了现有的方法.
