EL-GAN: 埋め込み損失駆動型生成対抗ネットワークを用いた車線検出

畳み込みニューラルネットワークは、セマンティックセグメンテーション問題に成功裏に適用されてきました。しかし、本質的にピクセル単位の分類問題ではない多くの課題が、しばしばセマンティックセグメンテーションとして定式化されています。この不適切な定式化は、各ピクセルの確率マップを最終的な望ましい出力に変換するために、手作業でシナリオ固有の計算コストが高い後処理方法を必要とします。ジェネレーティブアドバーシャルネットワーク（GANs）を使用することで、セマンティックセグメンテーションネットワークの出力をより現実的または構造をよりよく保つものにすることができ、複雑な後処理への依存度を低下させることができます。本研究では、埋め込み損失を使用して上記の問題を緩和するためのEL-GANというGANフレームワークを提案します。EL-GANでは、ラベルと予測値の両方の学習済み埋め込みに基づいて判別を行います。これにより、「偽」および「真」の予測値を同時に見ることで得られるより優れた判別情報により、訓練が安定しやすくなります。これは対抗的訓練プロセスを大幅に安定させる効果があります。TuSimple車線認識チャレンジにおいて、提案したフレームワークを使用することで、セマンティックセグメンテーション問題として定式化することによる内在的な異常を克服することが可能であることを示しています。従来の手法と比較して出力がラベルに著しく近づくだけでなく、その後の後処理も簡素化され、競争力のある96%以上の精度閾値を超えることが可能です。