إحدى العوامل الرئيسية التي ساهمت في التقدم الكبير في القيادة الذاتية هي ظهور التعلم العميق. ولضمان سيارات ذاتية القيادة أكثر أمانًا، لا يزال هناك مشكلة واحدة لم تُحل تمامًا، وهي كشف الخطوط المرورية. نظرًا لأن الطرق المستخدمة لهذا المهمة يجب أن تعمل في الزمن الفعلي (أعلى من 30 إطارًا في الثانية)، لا بد أن تكون فعّالة (أي ذات دقة عالية) بالإضافة إلى أن تكون كفؤة (أي سريعة). في هذا العمل، نقدّم طريقة جديدة لكشف الخطوط المرورية، تستخدم صورة من كاميرا أمامية مثبتة في المركبة كمدخل، وتُنتج متعدّدات حدود تمثل كل علامة خط في الصورة، وذلك عبر الانحدار متعدد الحدود العميق. تُظهر النتائج أن الطريقة المقترحة تنافس الطرق الرائدة الحالية في مجموعة بيانات TuSimple، مع الحفاظ على كفاءتها العالية (115 إطارًا في الثانية). علاوة على ذلك، نقدّم نتائج كمية واسعة على مجموعتي بيانات عامتين إضافيتين، إلى جانب تسليط الضوء على القيود الموجودة في مقاييس التقييم المستخدمة في الدراسات الحديثة لكشف الخطوط المرورية. وأخيرًا، نقدّم كود المصدر والنماذج المدربة التي تسمح للآخرين بتجريب جميع النتائج المذكورة في هذه الورقة، وهو أمر نادر جدًا في الطرق الرائدة الحديثة لكشف الخطوط المرورية. يتوفر الكود الكامل والنماذج المُدرّبة مسبقًا على الرابط التالي: https://github.com/lucastabelini/PolyLaneNet.