Key points are not available for this paper at this time.
يُستخدم اكتشاف المسارات، وهي عملية تحديد علامات المسار ك curvas تقريبية، على نطاق واسع في تحذير مغادرة المسار والتحكم التكيفي في السرعة في المركبات الذاتية القيادة. إن الخط الأشيع الذي يحل هذه المشكلة على مرحلتين - استخراج الميزات بالإضافة إلى المعالجة اللاحقة، على الرغم من فائدته، إلا أنه غير فعال للغاية ومعيب في تعلم السياق العالمي وهياكل المسارات الطويلة والرفيعة. لمعالجة هذه المشكلات، نقترح طريقة شاملة تنتج مباشرةً معلمات نموذج شكل المسار، باستخدام شبكة مبنية مع محول لتعلم هياكل وسياقات أغنى. يتم صياغة نموذج شكل المسار بناءً على هياكل الطرق ووضع الكاميرا، مما يوفر تفسيرات فعلية لمعايير مخرجات الشبكة. نماذج المحول التفاعلات غير المحلية بآلية الانتباه الذاتي لالتقاط الهياكل النحيفة والسياق العام. تم التحقق من الطريقة المقترحة في معيار TuSimple وأظهرت دقة متقدمة مع أصغر حجم نموذج وأسرع سرعة. بالإضافة إلى ذلك، تُظهر طريقتنا قابلية رائعة للتكيف مع مجموعة بيانات صعبة تم جمعها ذاتيًا لاكتشاف المسارات، مما يظهر إمكانياتها القوية في التطبيق في التطبيقات الحقيقية. الأكواد متاحة على https://github.com/liuruijin17/LSTR.
درس ليو وزملاؤه (الجمعة) هذا السؤال.