本研究は、人間の運転に着目したサンプリング手法「Focusing Sampling」、部分視野評価「Partial Field of View Evaluation」、強化FPNアーキテクチャ「Enhanced FPN」、方向性IoUロス「Directional IoU Loss」の4つの革新的な手法を提案している。
Focusing Samplingは、遠方の重要な詳細に重点を置くことで、従来の均一なアプローチよりも、ベンチマークと実用的な曲線/遠距離車線認識精度を大幅に向上させる。FENetV1は、ドライバーの視覚を模倣する視点に依存したコンテキストを分離することで、従来の指標で最先端のパフォーマンスを達成する。一方、FENetV2は、提案した部分視野分析で最も信頼性が高い。したがって、標準的な全画像指標でわずかに劣化するものの、FENetV2は実用的な車線ナビゲーションに最適である。
今後の課題には、実道データの収集や、人間の知覚原理に基づいたデュアルフレームワークの統合などが含まれる。
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Liman Wang,H... om arxiv.org 04-29-2024
https://arxiv.org/pdf/2312.17163.pdfDiepere vragen