PolyLaneNet: 깊이 있는 다항 회귀를 통한 차선 추정

자율주행 기술의 급속한 발전을 이끈 주요 요인 중 하나는 심층 학습(Deep Learning)의 등장이다. 더 안전한 자율주행 차량을 구현하기 위해 아직 완전히 해결되지 않은 문제 중 하나는 차선 탐지(Lane Detection)이다. 이 작업은 실시간 처리(30 FPS 이상)가 필요하므로, 높은 정확도(효과성)뿐 아니라 빠른 처리 속도(효율성)도 요구된다. 본 연구에서는 차량 전면에 장착된 카메라로부터 얻은 이미지를 입력으로 받아, 심층 다항 회귀(Deep Polynomial Regression)를 통해 이미지 내 각 차선 표시를 다항식 형태로 출력하는 새로운 차선 탐지 방법을 제안한다. 제안된 방법은 TuSimple 데이터셋에서 기존 최첨단 기법들과 경쟁 가능한 성능을 보이며, 동시에 높은 효율성(115 FPS)을 유지함을 입증하였다. 또한, 두 개의 추가 공개 데이터셋에 대한 광범위한 정성적 결과를 제시하고, 최근 차선 탐지 연구에서 사용되는 평가 지표의 한계점도 논의한다. 마지막으로, 본 논문에서 제시된 모든 결과를 재현할 수 있도록 소스 코드와 학습된 모델을 공개한다. 이는 최첨단 차선 탐지 기법에서 흔치 않은 일이다. 전체 소스 코드 및 사전 학습된 모델은 다음 링크에서 확인할 수 있다: https://github.com/lucastabelini/PolyLaneNet.