論文の概要: GroupLane: End-to-End 3D Lane Detection with Channel-wise Grouping

• arxiv url: http://arxiv.org/abs/2307.09472v1
• Date: Tue, 18 Jul 2023 17:55:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-19 13:23:57.594226
• Title: GroupLane: End-to-End 3D Lane Detection with Channel-wise Grouping
• Title（参考訳）: GroupLane:チャンネルワイドグルーピングによるエンドツーエンド3Dレーン検出
• Authors: Zhuoling Li, Chunrui Han, Zheng Ge, Jinrong Yang, En Yu, Haoqian Wang, Hengshuang Zhao, Xiangyu Zhang
• Abstract要約: 行単位の分類に基づいて、完全な畳み込みヘッドのセットを考案する。 頭の中で、私たちは特徴を複数のグループに分割し、全ての特徴群はレーンインスタンスに対応する。 トレーニング中、予測はシングルウィンの1対1マッチングを用いてレーンラベルと関連付けられ、計算損失が計算される。
• 参考スコア（独自算出の注目度）: 31.02924085376808
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficiency is quite important for 3D lane detection due to practical deployment demand. In this work, we propose a simple, fast, and end-to-end detector that still maintains high detection precision. Specifically, we devise a set of fully convolutional heads based on row-wise classification. In contrast to previous counterparts, ours supports recognizing both vertical and horizontal lanes. Besides, our method is the first one to perform row-wise classification in bird-eye-view. In the heads, we split feature into multiple groups and every group of feature corresponds to a lane instance. During training, the predictions are associated with lane labels using the proposed single-win one-to-one matching to compute loss, and no post-processing operation is demanded for inference. In this way, our proposed fully convolutional detector, GroupLane, realizes end-to-end detection like DETR. Evaluated on 3 real world 3D lane benchmarks, OpenLane, Once-3DLanes, and OpenLane-Huawei, GroupLane adopting ConvNext-Base as the backbone outperforms the published state-of-the-art PersFormer by 13.6% F1 score in the OpenLane validation set. Besides, GroupLane with ResNet18 still surpasses PersFormer by 4.9% F1 score, while the inference speed is nearly 7x faster and the FLOPs is only 13.3% of it.
• Abstract（参考訳）: 3dレーン検出における効率性は,実用的なデプロイメント要求のために極めて重要である。 本研究では,高い検出精度を維持できる簡易かつ高速でエンドツーエンドな検出器を提案する。 具体的には、行毎の分類に基づいて、完全畳み込み型ヘッドのセットを考案する。 従来とは対照的に,垂直線と水平線の両方の認識を支援する。 また,本手法は鳥眼ビューで行の分類を行う最初の方法である。 頭の中で、私たちは特徴を複数のグループに分割し、全ての特徴群はレーンインスタンスに対応する。 トレーニング中、予測は、計算損失に一致した1対1のシングルウィンマッチングを用いてレーンラベルに関連付けられ、推論には後処理操作が要求されない。 このようにして提案する完全畳み込み検出器grouplaneはdetrのようなエンドツーエンド検出を実現する。 OpenLane、One-3DLanes、OpenLane-Huaweiの3つの実世界の3Dレーンベンチマークで評価され、GroupLaneはConvNext-Baseをバックボーンとして採用し、OpenLane検証セットの13.6%のF1スコアで発行されたPersFormerを上回った。 さらに、ResNet18のGroupLaneはPersFormerを4.9%上回っているが、推論速度は7倍近く速く、FLOPsはわずか13.3%である。

関連論文リスト

• Sparse Laneformer [14.198478706372995]
  スパースアンカー機構に基づく変圧器を用いた車線検出フレームワークを提案する。 我々は、従来の明示的なアンカーの代わりに、位置対応レーンクエリとアングルクエリを備えたスパースアンカーを生成する。 提案手法はSparse Laneformerと呼ばれ,実装が容易でエンドツーエンドのトレーニングが可能である。
  論文  参考訳（メタデータ） (2024-04-11T15:00:55Z)
• End-to-End Lane detection with One-to-Several Transformer [6.79236957488334]
  O2SFormerはResNet18バックボーンのDETRよりも12.5倍高速に収束する。 ResNet50のバックボーンを持つO2SFormerは、CULaneデータセット上で77.83%のF1スコアを獲得し、既存のTransformerベースおよびCNNベースの検出器を上回っている。
  論文  参考訳（メタデータ） (2023-05-01T06:07:11Z)
• BEV Lane Det: Fast Lane Detection on BEV Ground [3.230736644603395]
  本研究は,CNN層とFC層のみを有する展開指向単分子3Dレーン検出器を提案する。 検出器はApollo 3D Lane SyntheticデータセットとOpenLane実世界のデータセットで96 FPS実行速度で最先端の結果を達成した。
  論文  参考訳（メタデータ） (2022-10-12T08:22:21Z)
• 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)
• A Keypoint-based Global Association Network for Lane Detection [47.93323407661912]
  レーン検出は、レーンラインの複雑なトポロジー形状を予測し、異なる種類のレーンを同時に区別する必要がある、困難なタスクである。 新しい視点からレーン検出問題を定式化するためのグローバルアソシエーションネットワーク(GANet)を提案する。 F1スコアはCULaneが79.63%、Tusimpleデータセットが97.71%、高いFPSが97.71%である。
  論文  参考訳（メタデータ） (2022-04-15T05:24:04Z)
• PersFormer: 3D Lane Detection via Perspective Transformer and the OpenLane Benchmark [109.03773439461615]
  PersFormerは、新しいトランスフォーマーベースの空間特徴変換モジュールを備えた、エンドツーエンドのモノクル3Dレーン検出器である。 高品質なアノテーションとシナリオの多様性を備えたOpenLaneと呼ばれる,最初の大規模な3Dレーンデータセットの1つをリリースしました。
  論文  参考訳（メタデータ） (2022-03-21T16:12:53Z)
• CondLaneNet: a Top-to-down Lane Detection Framework Based on Conditional Convolution [39.62595444015094]
  トップツーダウンのレーン検出フレームワークであるCondLaneNetを提案する。 また,条件付き畳み込みと行毎の定式化に基づく条件付きレーン検出戦略を提案する。 3つのベンチマークデータセットで最新のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-05-11T13:10:34Z)
• 3DIoUMatch: Leveraging IoU Prediction for Semi-Supervised 3D Object Detection [76.42897462051067]
  3DIoUMatchは屋内および屋外の場面両方に適当3D目的の検出のための新しい半監視された方法です。 教師と教師の相互学習の枠組みを活用し,ラベル付けされていない列車の情報を擬似ラベルの形で伝達する。 本手法は,ScanNetとSUN-RGBDのベンチマークにおける最先端の手法を,全てのラベル比で有意差で継続的に改善する。
  論文  参考訳（メタデータ） (2020-12-08T11:06:26Z)
• CurveLane-NAS: Unifying Lane-Sensitive Architecture Search and Adaptive Point Blending [102.98909328368481]
  CurveLane-NASは、レーンに敏感なアーキテクチャ検索フレームワークである。 長距離コヒーレントと正確な短距離曲線情報の両方をキャプチャする。 点ブレンディングによる曲線線予測において、アーキテクチャ探索と後処理の両方を統一する。
  論文  参考訳（メタデータ） (2020-07-23T17:23:26Z)

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。