स्वायत्त ड्राइविंग में मदद के लिए पुनः एनोटेटेड लेन डेटासेट का उपयोग करके लेन की पहचान और वर्गीकरण

उन्नत ड्राइवर सहायता प्रणाली और आत्म-चालित गैस की मुख्य कार्यक्षमता चलाने योग्य सड़क क्षेत्रों की पहचान पर निर्भर करती है। चूंकि सड़क क्षेत्र में शामिल उपयोगी मार्किंग की कई अलग-अलग श्रेणियाँ हैं, लेन पहचान और वर्गीकरण स्वायत्त ड्राइविंग के लिए उपयुक्त कार्य करने के लिए एक प्रमुख कदम बनाती है। मौजूदा डेटासेट लेन के प्रकारों का पर्याप्त वर्गीकरण और लेन मार्किंग के सटीक स्थानीयकरण के लिए पर्याप्त गतिशीलता प्रदान नहीं करते। पुनः एनोटेटेड BDD100K डेटासेट द्वारा प्राप्त 11 विविध लेन प्रकारों के लिए एक नया समर्पित डेटासेट प्रस्तुत किया गया है। पुनः एनोटेशन प्रक्रिया BDD100K डेटासेट की 76,000 छवि उदाहरणों के पिक्सेल-स्तरीय लेन मार्किंग शामिल करती है, जिन्हें मूल रूप से समन्वय बिंदुओं के अनुक्रम के रूप में दर्शाया गया था। यह स्वायत्त ड्राइविंग के लिए लेन की समझ के संदर्भ में उच्च संकल्प दोनों स्थानिक औरार्थिकता में संभावनाएँ खोलता है। प्रस्तावित डेटासेट पर बाइलेटरल सेगमेंटेशन नेटवर्क (BiSeNetV2) के आधार पर बेसलाइन परिणाम प्रस्तुत किए गए हैं, जो स्थानिक डेटा और श्रेणीगत अर्थों पर स्पष्टता से विचार करता है। BiSeNetV2 आर्किटेक्चर का उपयोग करते समय परीक्षण के दौरान प्रदर्शन 85% सटीकता पर स्थापित है। यह अपेक्षित है कि यह डेटासेट गंभीर वर्ग असंतुलन, टेक्सचर-लेस और असामान्य विशेषताओं (लेन) के कई वर्गों का सेगमेंटेशन जैसे समस्याओं को संबोधित करने के लिए नए अनुसंधान दिशाओं को खोल देगा। परिणामस्वरूप, लेन-केंद्रित गतिविधि व्याख्या, भविष्य की घटना भविष्यवाणी, और निरंतर सीखने जैसे अनुप्रयोगों की अपेक्षा की जा रही है।