RESA: 차선 검출을 위한 반복적 특징 이동 집계기

자율주행에서 차선 인식은 가장 중요한 과제 중 하나이다. 다양한 복잡한 시나리오(예: 심한 가림, 모호한 차선 등)와 차선 레이블링에서 내재된 희소한 감독 신호로 인해 차선 인식은 여전히 도전적인 과제로 남아 있다. 따라서 일반적인 합성곱 신경망(CNN)은 원시 이미지에서 미세한 차선 특징을 포착하기 위해 일반적인 환경에서 학습하는 데 어려움을 겪는다. 본 논문에서는 일반적인 CNN을 통해 초기 특징 추출 후 차선 특징을 풍부하게 하는 새로운 모듈인 재귀적 특징 이동 집계기(REcurrent Feature-Shift Aggregator, RESA)를 제안한다. RESA는 차선의 강력한 형태 사전 지식을 활용하여 행과 열을 가로지르는 픽셀 간의 공간적 관계를 포착한다. 이 모듈은 특징 맵을 수직 및 수평 방향으로 반복적으로 이동시키며, 각 픽셀이 전역 정보를 수집할 수 있도록 한다. RESA는 자르기된 특징 맵을 집계함으로써 약한 시각적 단서가 있는 어려운 시나리오에서도 정확하게 차선을 추정할 수 있다. 또한, 업샘플링 단계에서 거시적 특징과 미세한 세부 정보를 결합하는 양방향 업샘플링 디코더를 제안한다. 이는 저해상도 특징 맵을 픽셀 단위 예측으로 정교하게 복원할 수 있다. 제안한 방법은 두 가지 대표적인 차선 인식 벤치마크(CULane 및 Tusimple)에서 최고 성능을 달성하였다. 코드는 다음 링크에서 공개되어 있다: https://github.com/ZJULearning/resa.