CLRNet：Lane Detectionのためのクロスレイヤー精 refinement ネットワーク

自律走行車の視覚ナビゲーションシステムにおいて、車線は極めて重要な役割を果たす。自然と、車線は高レベルの意味情報を有する交通標識である一方で、正確な位置特定に必要な詳細な低レベル特徴を持つ局所的なパターンを備えている。正確な車線検出において、異なる特徴レベルを活用することは極めて重要であるが、その活用はまだ十分に検討されていない。本研究では、車線検出において高レベル特徴と低レベル特徴を効果的に活用することを目的として、クロスレイヤーリファインメントネットワーク（Cross Layer Refinement Network, CLRNet）を提案する。特に、まず高レベルの意味特徴を用いて車線を検出し、その後低レベル特徴に基づいて精緻化を行う。このアプローチにより、より豊かな文脈情報を活用しつつ、局所的な詳細な車線特徴を活かして位置特定の精度を向上させることができる。さらに、グローバルな文脈情報を集約するためのROIGatherを導入することで、車線の特徴表現をさらに強化した。本研究では、新規なネットワーク設計に加えて、車線を全体として一つの単位として回帰するLine IoU損失関数を提案し、位置特定精度の向上を実現した。実験結果から、提案手法が最先端の車線検出手法を大きく上回ることが明らかになった。