Aug, 2020

RESA: 循环特征漂移聚合器用于车道检测

PDF
TL;DR本文提出了一种名为 REcurrent Feature-Shift Aggregator (RESA) 的模块，结合卷积神经网络（CNN）和空间特征来提高车道检测的准确性，同时利用一种名为 Bilateral Up-Sampling Decoder 的算法，成功地实现了在两个知名的车道检测 benchmark 上的最佳表现。
lane detectionrecurrent feature-shift aggregatorbilateral up-sampling decoderspatial relationshipsstate-of-the-art results
发现论文，激发创造
  • 通过扩展自注意力实现鲁棒车道检测

    本文介绍一个名为扩展自注意力 (ESA) 模块的简单却强大的自注意力机制，在车道检测中取得了最先进的结果，并通过在三个流行的车道检测基准测试上的实验结果表明了该方法的鲁棒性。

    Feb, 2021

  • 遥感图像超分辨率的高级特征提取模块

    提出了一种名为 Channel and Spatial Attention Feature Extraction (CSA-FE) 的高级特征提取模块，通过使用通道和空间注意力结合标准视觉变换器 (ViT)，有效提取特征；在 UCMerced 数据集上进行了训练，实验证明我们的方法可以使模型专注于包含高频信息的特定通道和空间位置，从而提高超分辨率图像的质量，并且相较于现有模型，我们的模型表现出更优秀的性能。

    May, 2024

  • 使用谷歌街景和 CNN 进行车道检测的动态方法

    本文提出了一种基于卷积神经网络和 SegNet encoder-decoder 架构的新型车道检测方法，并通过与 Google API 的接口实现了实时导航，该方法针对挑战性遮挡条件具有鲁棒性，且性能优于现有方法。

    Sep, 2019

  • ReSeg：一种基于循环神经网络的语义分割模型

    该研究提出了一种基于卷积神经网络 (CNN) 本地通用特征和循环神经网络 (RNN) 为距离依存性检索提供了能力的结构预测框架，称为 ReSeg，旨在解决更具挑战性的语义分割任务并兼顾效率、灵活性和适用性，通过在多个数据集上的评估显示出了最先进的性能优势。

    Nov, 2015

  • 使用深度神经网络从连续驾驶场景中进行鲁棒车道检测

    本论文提出了一种利用卷积神经网络模块和循环神经网络模块相结合的深度神经网络架构，以处理在单一图像中无法精确检测车道的情况，并将连续多个时间序列的 CNN 特征输入到 RNN 训练模型中，以成功预测车道。

    Mar, 2019

  • LaneSegNet 设计研究

    为了提高计算机视觉算法在实时场景中对道路特征的准确评估能力，本研究探索了 LaneSegNet 架构，该方法将拓扑信息与车道线数据集成，以提供更多上下文理解道路环境的能力。通过修改特征提取器和变换器编码器 - 解码器堆栈，我们发现在训练时间和预测精度之间可以得到有趣的权衡，某些组合显示出有希望的结果。这项研究为根据可用计算资源优化 LaneSegNet 提供了宝贵的见解，使之对资源有限的用户更具可行性，并增强了对资源更丰富的用户的能力。

    Jun, 2024

  • 具有多功能膨胀变换器和本地语义指导的车道检测

    提出了一种名为 Atrous Transformer 的神经网络架构来进行车道检测，该网络采用局部 Atrous Former 增强特征提取器，然后通过行列顺序收集信息以提高信息提取能力，此外还提出了一种局部语义引导解码器来更准确地描绘车道的身份和形状，并使用三个基准测试数据集对其进行了评估，结果表明该网络表现优越。

    Mar, 2022

  • 低分辨率自注意力用于语义分割

    本文介绍了一种使用低分辨率自注意力机制的视觉 Transformer 模型，以较低的计算成本捕捉全局上下文，并在 ADE20K、COCO-Stuff 和 Cityscapes 数据集上表现出优于现有模型的性能。

    Oct, 2023

  • 使用高效卷积网络进行多类车道语义分割

    本文提出了基于网络特征大小选择和渐进膨胀块对多类车道语义分割问题的解决方法，实验结果表明，该方法在保证推理速度的同时提高了准确性，并可在高分辨率图像上实时运行。

    Jul, 2019

  • 卷积神经网络中目标检测的循环缩放逼近

    本研究提出了一种基于递归缩小尺度机制的递归尺度逼近算法，以有效解决大规模对象检测中的计算成本瓶颈问题，同时设计了一个全局尺度预测网络和一个地标追溯网络来优化模型性能，并在面部检测基准测试方面取得了超越当前置信度检测方法的结果。

    Jul, 2017