#ICCV2023# ADNet: 通過Anchor分解進行車道線形狀預(yù)測

ADNet:一種車道線檢測新網(wǎng)絡(luò)，引入了特征金字塔網(wǎng)絡(luò)(FPN)的大核注意力，顯著增加了感受野，并提出通用車道線IOU (GLIOU) 損失，在多個車道線數(shù)據(jù)集上表現(xiàn)SOTA!

本文重新審視基于anchor的車道線檢測方法的局限性，該方法主要關(guān)注源自圖像邊緣的固定anchor，而忽略了它們的多功能性和質(zhì)量。為了克服anchor的不靈活性，將它們分解為學(xué)習(xí)起點及其相關(guān)方向的熱圖。這種分解消除了anchor起點的限制，使我們的算法能夠適應(yīng)各種數(shù)據(jù)集中的不同車道線類型。為了提高anchor的質(zhì)量，我們引入了特征金字塔網(wǎng)絡(luò) (FPN) 的大核注意力 (LKA)。 這顯著增加了感受野，這對于捕獲足夠的上下文至關(guān)重要因為車道線通常貫穿整個圖像。我們將我們提出的系統(tǒng)命名為Anchor分解網(wǎng) (ADNet) 。此外，我們提出了通用車道線 IOU(GLIOU) 損失，這顯著提高了 ADNet 在復(fù)雜場景下的性能。三個廣泛使用的車道線檢測基準 VIL100、CULane 和 TuSimple 的實驗結(jié)果表明，本方法優(yōu)于 VIL-100 上最先進的方法，并且在 CULane 和 TuSimple 上表現(xiàn)出有競爭力的準確性。

代碼：https://github.com/Sephirex-X/ADNet

論文：https://arxiv.org/abs/2308.10481

AIGC生成技術(shù)交流：本星球主要分享AIGC最新技術(shù)，包括數(shù)字人實戰(zhàn)技術(shù)、AI作畫技術(shù)、聲音克隆技術(shù)、大語言模型技術(shù)、三維重建技術(shù)等。我們還提供校招信息、面試題等內(nèi)容，幫助各個層次的人實現(xiàn)自己的理想。不論是校招還是社招，還是你想快速融入AIGC創(chuàng)業(yè)潮流，迅速掌握AIGC論文方法的更新迭代，這個星球都適合你。?