关键词:
无人驾驶技术
车道线检测
注意力机制
多尺度特征融合
交叉熵损失
摘要:
为了有效利用注意力机制以提高车道线检测的准确性,提出基于内容引导注意力的车道线检测网络(CGANet).通过设计内容引导注意力机制(CGA),增强捕捉上下文信息的能力,强调编码在特征中更有用的信息,从而削弱无关信息的影响.为了减轻尺度差异对模型性能的影响,提出均衡特征金字塔网络(BFPN),以实现多尺度特征的均衡融合.引入ROI(RegionofInterest)提取器,以解决无视觉线索问题.在损失函数中添加交叉熵损失作为辅助分类损失,激励模型生成更加清晰的概率分布.在多个车道线检测数据集上进行实验验证,结果表明,与跨层细化网络(CLRNet)算法相比,所提方法在CULane、Tusimple和CurveLanes数据集上的F1指标分别提升0.65、0.18和0.29个百分点.