TwinLiteNet：一种高效轻量级的自动驾驶汽车可行驶区域和车道线分割模型

语义分割是自动驾驶中的一项常见任务，用于理解周围环境。可行驶区域分割和车道检测对于道路上的安全和高效导航尤为重要。然而，传统的语义分割模型计算成本高昂，需要高端硬件，这在自动驾驶车辆中的嵌入式系统上并不可行。本文提出了一种轻量级模型，用于可行驶区域和车道线的分割。TwinLiteNet设计成本低廉，但能够实现准确且高效的分割结果。我们在BDD100K数据集上对TwinLiteNet进行了评估，并将其与现代模型进行了比较。实验结果显示，我们的TwinLiteNet在性能上与现有方法相当，但所需的计算资源显著减少。具体而言，TwinLiteNet在可行驶区域任务中达到了91.3%的mIoU分数，在车道检测任务中达到了31.08%的IoU分数，仅包含0.4百万参数，并在GPU RTX A5000上实现了415帧每秒（FPS）的速度。此外，TwinLiteNet可以在计算能力有限的嵌入式设备上实现实时运行，特别是在Jetson Xavier NX上可以达到60帧每秒（FPS），使其成为自动驾驶车辆的理想解决方案。代码地址：https://github.com/chequanghuy/TwinLiteNet。