Récemment, la détection de voies a connu des progrès significatifs dans le domaine du conduite autonome. RESA (REcurrent Feature-Shift Aggregator) repose sur la segmentation d’images et propose un nouveau module visant à enrichir les caractéristiques des voies après une extraction initiale des caractéristiques par un CNN classique. Sur le jeu de données Tusimple, les scènes sont relativement simples et les voies présentent des caractéristiques spatiales particulièrement marquées. À partir de RESA, nous introduisons une méthode d’encodage de position afin d’améliorer davantage les caractéristiques spatiales. Les résultats expérimentaux montrent que cette approche atteint une précision optimale de 96,93 % sur le jeu de données Tusimple.