論文の概要: Towards Lightweight Lane Detection by Optimizing Spatial Embedding
- arxiv url: http://arxiv.org/abs/2008.08311v2
- Date: Thu, 27 Aug 2020 06:45:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 12:00:24.763883
- Title: Towards Lightweight Lane Detection by Optimizing Spatial Embedding
- Title（参考訳）: 空間埋め込み最適化による軽量車線検出に向けて
- Authors: Seokwoo Jung, Sungha Choi, Mohammad Azam Khan, Jaegul Choo
- Abstract要約: 提案不要なインスタンスセグメンテーションに基づくレーン検出にピクセルを埋め込むのは、最適化が難しい。
画像座標を用いて画素の空間埋め込みを直接最適化する,提案不要なインスタンスセグメンテーションに基づくレーン検出手法を提案する。
提案手法は,後処理の単純さと軽量バックボーンの採用により,リアルタイムレーン検出を可能にする。
- 参考スコア（独自算出の注目度）: 31.26216243950601
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A number of lane detection methods depend on a proposal-free instance
segmentation because of its adaptability to flexible object shape, occlusion,
and real-time application. This paper addresses the problem that pixel
embedding in proposal-free instance segmentation based lane detection is
difficult to optimize. A translation invariance of convolution, which is one of
the supposed strengths, causes challenges in optimizing pixel embedding. In
this work, we propose a lane detection method based on proposal-free instance
segmentation, directly optimizing spatial embedding of pixels using image
coordinate. Our proposed method allows the post-processing step for center
localization and optimizes clustering in an end-to-end manner. The proposed
method enables real-time lane detection through the simplicity of
post-processing and the adoption of a lightweight backbone. Our proposed method
demonstrates competitive performance on public lane detection datasets.
- Abstract（参考訳）: 多くのレーン検出手法は、フレキシブルなオブジェクト形状、オクルージョン、リアルタイムアプリケーションへの適応性のため、提案なしのインスタンスセグメンテーションに依存する。
本稿では,提案しないインスタンスセグメンテーションに基づくレーン検出における画素埋め込みの最適化が難しい問題に対処する。
コンボリューションの変換不変性は、想定される強みの1つであり、ピクセル埋め込みを最適化する際の課題を引き起こす。
本研究では,画像座標を用いた画素の空間埋め込みを直接最適化する,提案不要なインスタンスセグメンテーションに基づくレーン検出手法を提案する。
提案手法では,中央局在化のための後処理ステップを可能とし,エンドツーエンドでクラスタリングを最適化する。
提案手法は,後処理の簡易化と軽量バックボーンの導入により,リアルタイムレーン検出を可能にする。
提案手法は,パブリックレーン検出データセットにおける競合性能を示す。
関連論文リスト
- LanePtrNet: Revisiting Lane Detection as Point Voting and Grouping on
Curves [8.037214110171123]
車線検出は、自動運転の分野において重要な役割を果たす。
本稿では,順序付き集合上での点投票とグループ化のプロセスとしてレーン検出を扱う新しいアプローチであるLanePtrNetを提案する。
提案手法の有効性を検証するための総合的な実験を行い,その性能を実証した。
論文 参考訳（メタデータ） (2024-03-08T08:45:42Z) - Sketch and Refine: Towards Fast and Accurate Lane Detection [69.63287721343907]
レーン検出は、現実世界のシナリオの複雑さのため、困難なタスクである。
提案ベースであれキーポイントベースであれ,既存のアプローチでは,車線を効果的かつ効率的に表現することができない。
本稿では,キーポイント法と提案法の両方のメリットを活かした"Sketch-and-Refine"パラダイムを提案する。
実験の結果、我々のSRLaneは高速(278 FPS)で走ることができ、F1スコアは78.9%であることがわかった。
論文 参考訳（メタデータ） (2024-01-26T09:28:14Z) - MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。
実験により,提案手法が現在の先行手法を超越していることが実証された。
論文 参考訳（メタデータ） (2024-01-19T04:40:20Z) - 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) - Guided Linear Upsampling [8.819059777836628]
ガイドアップサンプリングは高解像度画像処理の高速化に有効な手法である。
出血やぼやけなどのアーティファクトを抑えながら, ディテール効果をよりよく保存することができる。
対話型画像編集とリアルタイム高精細ビデオ処理の両面において,本手法の利点を実証する。
論文 参考訳（メタデータ） (2023-07-13T08:04:24Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳（メタデータ） (2022-02-21T15:30:14Z) - Generative Adversarial Network based Heuristics for Sampling-based Path
Planning [34.368519009432426]
本稿では,サンプリングに基づく経路計画の限界を克服する画像ベース経路計画アルゴリズムを提案する。
具体的には、環境マップを他の前処理作業なしに入力として扱うために、GAN(Generative Adversarial Network)を設計する。
提案手法の有効性を検証するためのシミュレーション実験を多数実施し,本手法が初期解の品質と最適解への収束速度の面ではるかに優れた性能を発揮することを実証した。
論文 参考訳（メタデータ） (2020-12-07T07:29:57Z) - Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。
まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。
そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
論文 参考訳（メタデータ） (2020-11-25T14:00:18Z) - Pixel-Level Cycle Association: A New Perspective for Domain Adaptive
Semantic Segmentation [169.82760468633236]
本稿では,ソースとターゲットの画素ペア間の画素レベルサイクルの関連性を構築することを提案する。
我々の手法は1段階のエンドツーエンドで訓練でき、追加のパラメータは導入しない。
論文 参考訳（メタデータ） (2020-10-31T00:11:36Z)
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。