マスク順序自動符号化器を用いた自己教師学習によるロバストなレーン検出と、カスタマイズされたPolyLossを用いたファインチューニング

車線検出は自動運転および多数のインテリジェントで高度なドライビングアシストシステムの基盤となる車両の局所化に不可欠である。現在利用可能な視覚ベースの車線検出手法は、特に連続フレームにおける車線間の相互関係や、画像内の他の領域との文脈的情報を十分に活用できていない。この研究ギャップを埋め、車線検出性能を向上させるために、本稿ではマルチ連続画像フレームを用いたエンドツーエンドニューラルネットワークモデルに対して、マスク付き順次オートエンコーダーを用いた自己事前学習と、カスタマイズされたPolyLossを用いた微調整を組み合わせたパイプラインを提案する。マスク付き順次オートエンコーダーは、ランダムにマスクされた画像から欠落したピクセルを再構成することを目的として、ニューラルネットワークモデルの事前学習に用いられる。その後、微調整段階においては、連続画像フレームを入力として車線検出のセグメンテーションを実行し、事前学習で得られた重みを転移した上で、カスタマイズされたPolyLossを用いて出力結果とラベル付き真値との間の重み付き誤差を計算し、バックプロパゲーション機構によりさらに更新を行う。広範な実験結果により、提案するパイプラインによって、通常シーンおよび困難なシーンの両方において、最先端の性能を上回る車線検出モデルの性能が達成された。特に通常シーンのテストセットでは、最高のテスト精度（98.38%）、精度（0.937）、F1スコア（0.924）を達成し、困難なシーンのテストセットでは、最高の全体精度（98.36%）および精度（0.844）を記録した。さらに、学習時間も大幅に短縮された。