PolyLaneNet：深層多項式回帰を用いた車線推定

自律走行技術の大幅な進展を支えた主な要因の一つは、ディープラーニングの登場である。より安全な自動運転車両の実現に向け、まだ完全に解決されていない課題の一つが車線検出である。このタスクにはリアルタイム処理（30 FPS以上）が求められるため、単に高い精度（効果性）を発揮するだけでなく、高速性（効率性）も必須である。本研究では、車両前方に設置されたカメラから取得した画像を入力とし、深層多項式回帰（deep polynomial regression）を用いて画像内の各車線マークを多項式表現で出力する、新しい車線検出手法を提案する。提案手法は、TuSimpleデータセットにおいて既存の最先端手法と競合する性能を示す一方で、115 FPSという高い処理速度を維持していることが確認された。さらに、2つの追加の公開データセットに対する広範な定性的な評価結果を提示するとともに、最近の車線検出手法で用いられている評価指標の限界についても指摘する。最後に、本論文で示されたすべての結果を再現可能なよう、ソースコードおよび事前学習済みモデルを公開している。これは、最先端の車線検出手法においては稀な対応である。本研究の完全なソースコードおよび事前学習モデルは、https://github.com/lucastabelini/PolyLaneNet にて公開されている。