キーポイントベースのグローバルアソシエーションネットワークを用いたレーン検出

線分類は、複雑な線路形状を予測し、同時に異なる種類の線路を区別する必要がある困難なタスクである。従来の手法は、事前に定義されたアンカーポイントを用いて、さまざまな形状の線路を回帰するトップダウンアプローチを採用していたが、固定されたアンカーフォルムのため、複雑な線路形状への適合性に限界があった。近年では、線路の形状をより柔軟に表現するため、線路をキーポイント推定問題として定式化するアプローチが提案されている。このアプローチでは、隣接するキーポイントを1点ずつ順次グループ化する方式を採用しているが、後処理が非効率的かつ時間のかかる問題を抱えていた。本論文では、線路検出問題を新たな視点から定式化するため、グローバルアソシエーションネットワーク（GANet）を提案する。本手法では、各キーポイントを点対点での拡張ではなく、直接その線路の開始点に回帰する。具体的には、各キーポイントが所属する線路の開始点へのオフセットを、互いに依存せずにグローバルに予測することで、キーポイントと線路の対応付けを実現する。このアプローチにより、並列処理が可能となり、処理効率が大幅に向上する。さらに、線路に特化した特徴集約モジュール（LFA）を提案し、隣接するキーポイント間の局所的な相関関係を適応的に捉え、グローバルアソシエーションに局所情報を補完する。2つの代表的な線路検出ベンチマークにおける広範な実験結果から、本手法は従来手法を上回る性能を示し、CULaneではF1スコア79.63%、Tusimpleデータセットでは97.71%を達成し、高いFPSを実現した。コードはhttps://github.com/Wolfwjs/GANetにて公開される予定である。