Core Concepts
従来の車線検出手法では、カーブ車線の検出精度が低いという課題がある。本研究では、深層学習に基づくマッチング処理を導入することで、カーブ車線の検出精度を大幅に向上させることができた。
Abstract
本研究では、状態の良い車線検出モデルであるCLRNetに、深層学習に基づくマッチングネットワーク(MatchNet)を統合したCLRmatchNetを提案した。
MatchNetは、従来の手動設計された重み付き距離関数に代わり、学習可能な深層学習モデルを用いて、予測と地上真値の対応付けを行う。これにより、特にカーブ車線の検出精度が大幅に向上した。
具体的には、ResNet34ベースのCLRNetに対して+2.8%、ResNet101ベースのCLRNetに対して+2.3%、DLA34ベースのCLRNetに対して+2.96%の精度向上を達成した。また、他の評価カテゴリでも同等以上の性能を維持した。
さらに、MatchNetの出力スコアを用いて、各地上真値に対する最適な予測の数を動的に決定する手法を提案した。これにより、従来手法よりも信頼性の高い車線検出が可能となった。
Stats
車線検出の精度は、ResNet34ベースでは+2.8%、ResNet101ベースでは+2.3%、DLA34ベースでは+2.96%向上した。