أظهرت الدراسات الحديثة في كشف المسارات قدرة عالية على الكشف الدقيق عن المسارات في السيناريوهات المعقدة، ومع ذلك فإن العديد من هذه الطرق لا تحقق أداءً في الزمن الحقيقي، خاصةً في ظل موارد حسابية محدودة. في هذا العمل، نقترح SwiftLane: إطار عمل بسيط وخفيف يعتمد على التعلم العميق من البداية إلى النهاية، مزود بصيغة التصنيف الصفّي لتحقيق كشف سريع وفعال للمسارات. يُكمل هذا الإطار بخوارزمية لقمع الإيجابيات الكاذبة وتقنية تكييف منحنيات لتعزيز الدقة بشكل إضافي. تحقق طريقةنا سرعة استنتاج تبلغ 411 إطارًا في الثانية، مما يفوق الأداء الحالي في سرعة المعالجة، مع تحقيق نتائج مماثلة في الدقة على مجموعة بيانات CULane الشهيرة. علاوةً على ذلك، يتيح إطار العمل المقترح مع تحسين TensorRT إمكانية الكشف في الزمن الحقيقي عن المسارات على نظام مدمج من نوع Nvidia Jetson AGX Xavier، مع تحقيق سرعة استنتاج عالية تبلغ 56 إطارًا في الثانية.