【ECCV-2020】Gen-LaneNet：一种用于3D车道检测的泛化可伸缩的方法 Gen-LaneNet: a generalized and scalable approach for 3D lane detection 【推荐理由】本文收录于ECCV-2020，来自百度阿波罗团队的学者提出一种新颖的、统一的3D车道线检测器，名为Gen-LaneNet。该方法可在单个网络中解决图像编码、特征空间变换和3D车道线预测问题。具体的，该方法首先在新的坐标系中引入几何引导的车道线锚框表示，并应用特定的几何变换直接在网络输出中计算真实的3D车道点。其次，提出了一个可扩展的两阶段通用框架，该框架将图像分割子网络和几何编码子网络的学习解耦。与3D-LaneNet方法相比较，Gen-LaneNet大大减少了在实际应用解决方案中所需的3D车道线标签数量。此外，作者团队还发布了一个新的合成数据集及其构建策略，有利于3D车道线检测方法的发展与评估。在实验中，Gen-LaneNet模型在AP和F指标上明显优于3D-LaneNet方法。 【论文链接】https://arxiv.org/abs/2003.10656 【数据链接】https://github.com/yuliangguo/3DLaneSyntheticDataset 【论文代码】https://github.com/yuliangguo/PytorchGeneralized3DLane_Detection

内容中包含的图片若涉及版权问题，请及时与我们联系删除