論文の概要: End-to-End Lane Marker Detection via Row-wise Classification

• arxiv url: http://arxiv.org/abs/2005.08630v1
• Date: Wed, 6 May 2020 12:48:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 05:05:12.897360
• Title: End-to-End Lane Marker Detection via Row-wise Classification
• Title（参考訳）: 行順分類によるエンド・ツー・エンドレーンマーカー検出
• Authors: Seungwoo Yoo, Heeseok Lee, Heesoo Myeong, Sungrack Yun, Hyoungwoo Park, Janghoon Cho, Duck Hoon Kim
• Abstract要約: 自律運転では、信頼性が高く正確な車線マーカーの位置を検出することが重要な課題である。 レーンマーカー検出問題に対する従来のアプローチは、ピクセルレベルの高密度予測タスクを実行し、その後に洗練された後処理を行う。 後処理のステップを使わずに,エンドツーエンドで直接車線マーカー予測を行う手法を提案する。
• 参考スコア（独自算出の注目度）: 13.82948181492772
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In autonomous driving, detecting reliable and accurate lane marker positions is a crucial yet challenging task. The conventional approaches for the lane marker detection problem perform a pixel-level dense prediction task followed by sophisticated post-processing that is inevitable since lane markers are typically represented by a collection of line segments without thickness. In this paper, we propose a method performing direct lane marker vertex prediction in an end-to-end manner, i.e., without any post-processing step that is required in the pixel-level dense prediction task. Specifically, we translate the lane marker detection problem into a row-wise classification task, which takes advantage of the innate shape of lane markers but, surprisingly, has not been explored well. In order to compactly extract sufficient information about lane markers which spread from the left to the right in an image, we devise a novel layer, which is utilized to successively compress horizontal components so enables an end-to-end lane marker detection system where the final lane marker positions are simply obtained via argmax operations in testing time. Experimental results demonstrate the effectiveness of the proposed method, which is on par or outperforms the state-of-the-art methods on two popular lane marker detection benchmarks, i.e., TuSimple and CULane.
• Abstract（参考訳）: 自律運転では、信頼性が高く正確な車線マーカーの位置を検出することが重要な課題である。 従来, レーンマーカー検出問題に対する従来の手法では, 厚さのないラインセグメントの集合で表現されることが多いため, 高度な後処理は避けられない。 本稿では,画素レベルの高密度予測タスクにおいて,処理後のステップを必要とせず,エンドツーエンドで直接レーンマーカ頂点予測を行う手法を提案する。 具体的には,レーンマーカー検出問題を,レーンマーカーの固有形状を生かした行単位の分類タスクに変換するが,驚くべきことに,十分に探索されていない。 画像で左から右に拡がるレーンマーカーに関する十分な情報をコンパクトに抽出するために、水平要素を順次圧縮するために使用される新しい層を考案し、テスト時にargmax操作により最終レーンマーカー位置が簡単に得られるエンド・ツー・エンドレーンマーカー検出システムを実現する。 実験の結果,TuSimpleとCULaneの2つの人気レーンマーカー検出ベンチマークにおいて,最先端の手法を同等あるいは上回る手法の有効性が示された。

関連論文リスト

• Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
  車線検出は自律運転認識システムにおいて重要な役割を果たす。 ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。 本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
  論文  参考訳（メタデータ） (2024-11-25T12:09:43Z)
• ALINA: Advanced Line Identification and Notation Algorithm [4.12089570007199]
  クラウドソーシングのような従来のラベリング手法は、コスト、データのプライバシ、時間、大規模なデータセットの潜在的なエラーのために禁止されている。 本稿では,タクシーウェイデータセットのラベル付けに使用できる新しいアノテーションフレームワークであるAdvanced Line Identification and Notation Algorithm (ALINA)を提案する。
  論文  参考訳（メタデータ） (2024-06-13T03:10:22Z)
• Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
  道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。 本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。 カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
  論文  参考訳（メタデータ） (2024-04-11T10:26:40Z)
• A Locality-based Neural Solver for Optical Motion Capture [37.28597049192196]
  ノイズの多いマーカーデータから、マーカーと関節を異なるタイプのノードとして扱う異種グラフニューラルネットワークを提案する。 本手法は,隠蔽マーカー位置誤差の予測精度の観点から,最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-09-01T12:40:17Z)
• Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
  本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。 提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。 提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
  論文  参考訳（メタデータ） (2023-07-20T15:21:28Z)
• The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge Detector [70.43599299422813]
  既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。 多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。 UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-03-21T13:14:36Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• Improving Road Signs Detection performance by Combining the Features of Hough Transform and Texture [5.620334754517149]
  現場に存在する道路標識の検出は、交通標識の検出と認識の主要な段階の1つである。 本稿では,アラビア語を含む道路標識検出の効率化を図った。 Hough Transform (RHT) は、円形と八角形の形状を検出するために用いられる。
  論文  参考訳（メタデータ） (2020-10-13T15:09:29Z)
• Detecting Lane and Road Markings at A Distance with Perspective Transformer Layers [5.033948921121557]
  既存の手法では、検出精度は距離の増大とともに劣化することが多い。 これは、遠車線や道路標識が画像中の少数のピクセルを占有しているためである。 逆のパースペクティブマッピングは、パースペクティブの歪みを取り除くために使用できるが、本質的にはアーティファクトに繋がる可能性がある。
  論文  参考訳（メタデータ） (2020-03-19T03:22:52Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。