科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前，深度学习技术被广泛应用于车道线检测，但是弱光条件下检测至今仍是一个挑战.主要原因有两个：第一，弱光数据不足；第二，模型鲁棒性不强.针对这两个问题，本文提出了一种改进循环生成对抗网络数据增强的方法来解决弱光数据不足的情况，避免了人工增加数据的复杂度；另外根据图片中车道线与背景区域之间的联系，使用一种区域亲和知识蒸馏的方法，对检测模型性能进行优化，提高模型对图片各个区域之间特征理解，提高模型的检测精度.与目前主流的车道线检测算法进行实验对比，本文提出的车道线检测算法对弱光环境的检测速度快，精度更高，不同环境的鲁棒性更强.
- 单位
