本文共 428 字，大约阅读时间需要 1 分钟。

目录

持续更新中......

2020年

对语义分割模型采用层级分类，在推理过程中，每个子分类器根据自己的决策由其父分类器控制。通过这种方式，获得了更可靠的场景标签。在Apollo数据集中，车道标记标签比地面和目标标签更准确，因此在训练阶段只使用车道分割标签。

然而，车道标记附近的一些地面区域很容易被误认为车道标记。为了解决这一问题，我们将车道标记扩展到附近，并将整个扩展区域标记为“道路”。被车辆等物体阻塞的道路区域将从标签中移除。下图展示了Apollo标签在扩展处理之前(左)和之后(右)的示例。车道标记和生成的“道路”标签都用于训练。

可参考：

2021年

类似于，学习车道线的embed，只是这个embed做了特殊处理，直接用车道线gt的几何特征来监督；

cvpr2021

其他车道线检测论文集合

1、

2、

3、

4、

5、

6、

7、

8、

9、

10、

11、

12、

13、

14、

15、

16、

17、

18、

19、

20、

21、

转载地址：http://qlqof.baihongyu.com/