车道线检测-LaneATT 论文学习笔记
Posted tomeasure
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了车道线检测-LaneATT 论文学习笔记相关的知识，希望对你有一定的参考价值。
论文：《Keep your Eyes on the Lane: Real-time Attention-guided Lane Detection》
整体结构
车道线的表示方式
L a n e = ( x i , y i ) i = 0 N p t s − 1 , y i = i ⋅ H i m a g e N p t s − 1 Lane=\\(x_i,y_i)\\^N_pts-1_i=0,\\ \\ \\ \\ y_i=i\\cdot\\fracH_imageN_pts-1 Lane=(xi,yi)i=0Npts−1, yi=i⋅Npts−1Himage
s: 起始点 index
e: 终止点 index
anchor 的表示方式
- 位于图像边缘的初始点 O = ( x o r i g , y o r i g ) O=(x_orig, y_orig) O=(xorig,yorig)；
- 角度 θ \\theta θ；
模型输出
- K + 1 K+1 K+1 个概率值，对应 K 条车道线，1 个 background；
- ` N p t s N_pts Npts 个偏移量，以衡量 prediction 与 anchor 之间的水平距离；
- 长度 l l l，具体指有效偏移量的个数
起始点 s 被定义为 y o r i g y_orig yorig;
终止点 e 被定义为 e = s + ⌊ l ⌋ − 1 e=s+\\lfloor l\\rfloor -1 e=s+⌊l⌋−1;
损失函数
Focal Loss 与 Smooth L1 Loss
骨干网
一般的CNN都可以，原文中又用了一个 1 × 1 1\\times 1 1×1 的 Conv 对骨干网输出的特征通道（ F b a c k ∈ R C F ′ × H F × W F \\pmbF_back\\in \\mathbbR^C'_F\\times H_F\\times W_F Fback∈RCF′×HF×WF）进行了缩减（ F ∈ R C F × H F × W F \\pmbF\\in \\mathbbR^C_F\\times H_F\\times W_F F∈RCF×HF×WF）。
Anchor-based Feature Pooling
将图像上的 Anchor ( x o r i g , y o r i g , θ ) (x_orig,y_orig,\\theta) (xorig,yorig,θ) 投影到特征（得到 ( x j , y j ) ∣ y j = 0 , 1 , 2 , . . . , H F − 1 \\(x_j,y_j)\\ |\\ y_j=0,1,2,...,H_F-1\\ (xj,yj) ∣ yj=0,1,2,...,HF−1）上：
x j = ⌊ 1 tan θ ( y j − y o r i g s t r i d e b a c k b o n e ) + x o r i g s t r i d e b a c k b o n e ⌋ y j = 0 , 1 , 2 , . . . , H F − 1 \\beginaligned x_j&=\\lfloor\\frac1\\tan\\theta(y_j-\\fracy_origstride_backbone)+\\fracx_origstride_backbone\\rfloor\\\\ y_j&=0,\\ \\ 1,\\ \\ 2,\\ \\ ...,\\ \\ H_F-1 \\endaligned xjyj=⌊tanθ1(yj−stridebackboneyorig)+stridebackbonexorig⌋=0, 1, 2, ..., HF−1
Attention 方案
利用局部 anchor 特征构建辅助 anchor 特征，以集成全局信息。
w i , j = softmax ( L a t t ( a i l o c a l ) ) j , if j < i 0 , if j = i softmax ( L a t t ( a i l o c a l ) ) j − 1 , if j > i a i g l o b a l = Σ j w i , j a j l o c a l \\beginaligned w_i,j&=\\begincases \\textsoftmax(L_att(\\pmba^local_i))_j,&\\textif\\ j<i\\\\ 0,&\\textif\\ j=i\\\\ \\textsoftmax(L_att(\\pmba^local_i))_j-1,&\\textif\\ j>i\\\\ \\endcases\\\\ \\pmba^global_i&=\\Sigma_jw_i,j\\pmba^local_j \\endaligned wi,jaiglobal=⎩ ⎨ ⎧softmax(Latt车道线检测-PolyLaneNet 论文学习笔记