科研之友
微信
新浪微博
Facebook
分享链接
摘要
为改善自动驾驶领域中车道线检测的鲁棒性与实时性，提出了基于知识蒸馏和超分辨率的快速车道线检测算法。由于复杂路况与采集图像的分辨率因素影响，会导致对空间和边缘信息的缺失，而单纯利用神经网络来提高图像的特征提取与分割精度，又会导致网络结构过于繁杂。因此结合知识蒸馏思想对神经网络采取轻量化设计，并对路况图像采取超分辨率重构。算法首先采用分组卷积，把Teacher网络的训练成果转换成不同分辨率的投影关系，完成缺失信息的合理补充。针对Teacher与Student网络相似性，为避免训练过程中的相互干扰，引入残差结构进行特征重建。根据编解码设计分割网络，通过特征提取与交叉熵计算，确定车道线的分布情况。基于Cityscape数据集对算法的性能进行比较分析，结果表明，所提算法能够有效提高车道线检测的实时性，同时具有良好的鲁棒性和准确率。
-
单位武昌工学院
