CondLaneNet: 조건부 컨볼루션 기반의 상향식 차선 검출 프레임워크

현대의 딥러닝 기반 차선 검출 방법은 대부분의 시나리오에서 성공적이지만 복잡한 토폴로지를 가진 차선에는 어려움을 겪고 있습니다. 본 연구에서는 차선 인스턴스를 먼저 검출한 후 각 인스턴스에 대해 동적으로 선 모양을 예측하는 새로운 상향식 차선 검출 프레임워크인 CondLaneNet을 제안합니다. 차선 인스턴스 수준의 구별 문제를 해결하기 위해 조건부 컨볼루션 및 행별 공식을 기반으로 하는 조건부 차선 검출 전략을 도입합니다. 또한, 밀집 선 및 분기 선과 같은 복잡한 토폴로지를 가진 차선 선을 검출하는 문제를 극복하기 위해 순환 인스턴스 모듈(RIM)을 설계합니다. 후처리가 거의 필요 없는 엔드 투 엔드 파이프라인 덕분에 우리 방법은 실시간 효율성을 가지고 있습니다. 우리는 세 가지 차선 검출 벤치마크에서 우리의 방법을 광범위하게 평가합니다. 결과는 우리의 방법이 세 가지 벤치마크 데이터셋 모두에서 최첨단 성능을 달성함을 보여줍니다. 더욱이, 우리의 방법은 정확성과 효율성을 동시에 가지고 있습니다. 예를 들어 CULane에서 78.14의 F1 점수와 220 FPS를 기록했습니다. 우리의 코드는 https://github.com/aliyun/conditional-lane-detection 에서 확인할 수 있습니다.