道路状況の複雑さやカメラの視点による線の歪みにより、車線検出は困難な課題である。これまで多くの解決策が提案されてきたが、特にコーナー付近の車線検出には十分な性能を発揮できていない。本稿では、この問題に対処するため、新たなトップダウン型深層学習アプローチであるCANETを提案する。本手法は、まずグローバルな意味レベルでU字型の曲線ガイドライン上のヒートマップを用いて車線インスタンスを応答し、各車線に対応する特徴量を応答点で集約する。次に、条件付き畳み込みを用いて全車線のヒートマップ応答を取得し、最終的に適応型デコーダにより点群をデコードして車線を表現する。実験結果から、CANETは複数の評価指標においてSOTA（最先端）の性能を達成した。本研究のコードは近日中に公開予定である。