lane detection | BriefGPT - AI 论文速递

关键词lane detection

搜索结果 - 66

MMLanEvil：车道检测对环境幻觉的稳健性基准评估
本研究首次研究了环境干扰对车道检测（LD）的潜在威胁，并建立了 LD 稳健性的首个全面基准 LanEvil。通过实验评估，揭示了流行的 LD 方法在面对自然干扰时的大幅性能下降，尤其是阴影效应造成的风险最大。为了防御环境干扰，提出了 Att
PDFa month ago
CLRKDNet：基于知识蒸馏的车道检测加速方法
为了解决在自动驾驶应用中的实时车道检测任务中精确度和速度之间的平衡问题，我们介绍了 CLRKDNet，这是一个能够在保持检测精度的同时提供实时性能的简化模型。通过简化模型结构并引入新的蒸馏方法和蒸馏损失函数，我们实现了多达 60% 的推理时
PDFa month ago
AAAI选择性聚焦：探究车道检测后训练量化中的语义敏感性
通过引入感知失真评分以及选择性聚焦框架和敏感性感知选择模块，本文探究了车道检测中后处理的语义敏感性，并通过精简优化目标和优化重要预测结果的方式，结合后处理信息进行深度神经网络的量化重建，实现在短短几分钟内在单个 GPU 上生成压缩模型，并在
PDF2 months ago
面向稳健的物理世界车道检测背门攻击
本文介绍一种用于自动驾驶系统的基于深度学习的车道检测的动态场景适应后门攻击方法，通过各种形状的污点或污染激活后门，以适应不同的驾驶观察视点和环境条件的变化；通过元学习框架生成适应不同环境条件的元触发器，用于初始化后门植入的触发器模式，以应对
PDF2 months ago
BezierFormer: 二维和三维车道检测的统一架构
BézierFormer 是一种基于 Bézier 曲线车道表示的统一 2D 和 3D 车道检测架构，通过引入 Bézier 曲线注意机制进行短车道曲线的全面精确特征提取，并采用基于 Chamfer IoU 的损失函数进行 Bézier 控
PDF2 months ago
LaneCorrect: 自监督车道检测
本文提出了一种无监督的 3D 车道分割方法，通过利用激光雷达点云帧上车道的独特强度，在 2D 平面上投影 3D 点来获取嘈杂的车道标签；同时，利用自监督的预训练模型，矫正车道标签并训练学生网络实现任意目标车道（例如，TuSimple）的无人
PDF2 months ago
稀疏 Laneformer
基于稀疏锚点机制的基于 Transformer 的车道检测框架 Sparse Laneformer，在 CULane 上使用相同的 ResNet-34 主干网络，在更少的 MACs 条件下，优于 Laneformer 和 O2SFormer
PDF3 months ago
ENet-21：用于车道检测的优化轻型卷积神经网络结构
使用深度学习和卷积神经网络技术，通过二元分割和亲和力场相结合的方法，实现自动驾驶车辆的车道检测，能有效应对车道数量变化和车道变换情况。
PDF3 months ago
基于 Transformer 的车道检测与锚链表示
基于 transformer 模型的 LDTR 提出以整个车道作为锚点，引入多重参考可变形注意力模块和高斯热图辅助分支等方法，用于解决自动驾驶中光照条件和遮挡等挑战性问题，实现了在车道检测领域的最先进性能。
PDF3 months ago
LanePtrNet：曲线上的点投票和分组：重新审视车道检测
本文提出了一种新颖的 LanePtrNet 方法，将车道检测视为有序集上的点投票和分组过程，通过将骨干特征作为输入并预测曲线感知的中心性来表示每条车道并分配最可能的中心点。通过利用局部邻域的特征和跨实例注意力得分，我们设计了一个分组模块，进
PDF4 months ago
CVPRLane2Seq: 通过序列生成实现统一的车道检测
通过序列生成任务，提出了一个新的车道检测框架 Lane2Seq，它能够统一各种车道检测格式，并使用简单的交叉熵损失函数，同时还引入增强学习来提高模型的性能。实验结果显示，该简单的序列生成范式不仅能够统一车道检测，还在两个基准数据集上取得了竞
PDF4 months ago
速度与准确性并重：走向快速且准确的车道检测
通过利用关键点和建议方法的优点，本论文提出了一种 “快速而有效” 的车道检测器 “SRLane”，利用‘Sketch-and-Refine’模式，可以以高达 278FPS 的速度运行，并获得 78.9％的 F1 得分。
PDF5 months ago
PLCNet：高清地图中的自动车道修正的分块车道修正网络
我们提出了一种基于补丁的车道矫正网络（PLCNet），用于自动校正局部激光雷达图像中初始车道点的位置，从而实现高清地图中的快速有效的车道校正。
PDF5 months ago
FENet：用于车道检测的聚焦增强网络
通过引入 Focusing Sampling、Partial Field of View Evaluation、Enhanced FPN architecture 和 Directional IoU Loss 等创新方法，针对自动驾驶中准确
PDF6 months ago
ElasticLaneNet：一种灵活的几何方法进行车道检测
通过新的弹性交互能量引导车道检测网络（ElasticLaneNet）框架，采用隐式表示的新颖灵活方式，以及基于弹性交互能量的损失函数（EIE loss）引导下的训练策略，结合辅助特征细化模块（AFR），该方法在复杂车道场景中表现出色，并在三
PDF7 months ago
提升车道检测泛化性能：一种利用高精度地图提升多样性的新框架
通过将数据分解为车道结构和周围环境，利用高清地图和生成模型增强多样性，本文提出了一种用于车道检测的单源域泛化（SSDG）的新框架，通过策略性选择核心子集数据来增强泛化性能，实验证明该框架提高了车道检测的泛化性能，与基于域自适应的方法相当。
PDF7 months ago
TopoMLP: 一个简单而强大的用于驱动拓扑推理的流程
我们提出了 TopoMLP，这是一个简单但高性能的驾驶拓扑推理管道，基于令人印象深刻的检测性能，我们为拓扑生成开发了两个基于 MLP 的简单头部。
PDF9 months ago
实时通用多任务的一次全部观察
自主驾驶的关键要求是高精度、轻量化和实时响应，本文提出了一种自适应、实时和轻量化的多任务模型，能够同时处理目标检测、行驶区域分割和车道检测任务，并且无需特定定制结构或损失函数。该模型在 BDD100k 数据集上取得了竞争性的结果，尤其在可视
PDF9 months ago
CLRNet：适用于车道检测的跨层细化网络
本文介绍了 CLRNet: Cross Layer Refinement Network for Lane Detection 的可复现性报告，作者提出了一种新颖的跨层细化网络，利用高层和低层特征进行车道检测，提出的技术在三个车道检测基准上
PDF9 months ago
CLRmatchNet: 借助深度匹配过程增强曲线车道检测
我们的研究引入了 MatchNet，一个基于深度学习子模块的方法，用于增强标签分配过程，通过将其整合到最先进的车道检测网络 CLRNet 中，我们取代了传统的标签分配过程。这种整合在涉及曲线车道的场景中取得了显著的改进，在 ResNet34
PDF9 months ago