要約
人間の運転時の注視行動に着想を得て、本研究では、注視サンプリング（Focusing Sampling）、部分視野評価（Partial Field of View Evaluation）、強化型FPNアーキテクチャ、方向性IoU損失（Directional IoU Loss）を組み込んだネットワークの構築に成功した。これらの革新は、自動運転における正確な車線検出に課題となる要素に焦点を当てたものである。実験結果から、均一なサンプリングとは異なり、遠方の重要な詳細に注目する本研究の注視サンプリング戦略が、ベンチマーク性能および実用的な曲線・遠方車線認識精度を顕著に向上させることを示した。これは安全性に不可欠な性能向上である。FENetV1は、視点に応じた文脈を分離して人間の視覚に類似した認識を実現する改良により、従来の指標において最先端の性能を達成している。一方、FENetV2は提案された部分視野分析において最も信頼性が高い結果を示しており、標準的な全画像評価指標ではわずかな性能低下が見られるものの、実用的な車線ナビゲーション用途においては特にV2の採用を推奨する。今後の課題として、実走行データの収集と、人間の知覚原理に基づく補完的二重フレームワークの統合によるさらなる性能の飛躍が挙げられる。コードは以下のURLにて公開されている：https://github.com/HanyangZhong/FENet。