17일 전

키포인트 기반의 글로벌 연관성 네트워크를 통한 차선 검출

Jinsheng Wang, Yinchao Ma, Shaofei Huang, Tianrui Hui, Fei Wang, Chen Qian, Tianzhu Zhang
키포인트 기반의 글로벌 연관성 네트워크를 통한 차선 검출
초록

차선 검출은 차선의 복잡한 위상 구조를 예측하고 동시에 다양한 유형의 차선을 구분하는 데 있어 도전적인 과제이다. 기존의 방법들은 사전 정의된 앵커를 다양한 형태의 차선으로 회귀시키는 상향식 접근 방식을 따르며, 고정된 앵커 형태로 인해 복잡한 차선 형태에 유연하게 적응하지 못하는 한계를 가진다. 최근에는 차선 검출을 관건점(kepoint) 추정 문제로 재정의하여 차선의 형태를 더 유연하게 표현하고, 점 하나씩 차례로 인접한 관건점들을 동일한 차선에 속하는 것으로 그룹화하는 방식이 제안되었지만, 후처리 과정에서 비효율적이고 시간이 오래 걸리는 문제가 있다. 본 논문에서는 차선 검출 문제를 새로운 관점에서 접근하는 글로벌 연관망(Global Association Network, GANet)을 제안한다. 이 방법은 각 관건점을 점 하나씩 확장하는 방식이 아니라, 차선의 시작점을 직접 회귀하는 방식으로 처리한다. 구체적으로, 각 관건점이 속한 차선의 시작점까지의 오프셋을 서로 의존하지 않고 전역적으로 예측함으로써, 관건점과 차선 간의 연관성을 결정한다. 이 과정은 병렬적으로 수행될 수 있어 효율성이 크게 향상된다. 또한, 우리는 국소적 정보를 보완하기 위해 인접한 관건점 간의 국소적 상관관계를 적응적으로 캡처하는 차선 인지 특징 집약기(Lane-aware Feature Aggregator, LFA)를 추가로 제안한다. 두 개의 대표적인 차선 검출 벤치마크에서 실시한 광범위한 실험 결과, 본 방법은 CULane에서 F1 스코어 79.63%, Tusimple 데이터셋에서 97.71%를 기록하며 기존 방법들을 능가하며 높은 FPS 성능을 보였다. 코드는 https://github.com/Wolfwjs/GANet 에 공개될 예정이다.

키포인트 기반의 글로벌 연관성 네트워크를 통한 차선 검출 | 최신 연구 논문 | HyperAI초신경