多分支融合注意力机制的车道线检测模型

作者：蒯晓; 丁飞; 张登银^*

来源：电子测量与仪器学报, 2023, 37(04): 35-43.

DOI：10.13382/j.jemi.B2206068

• 车道线检测
• 特征融合
• 多分支结构
• 注意力机制
• 激活函数
• 跳跃连接结构

为了解决目前车道线检测过程中特征融合不充分、检测精确度低和鲁棒性差的问题，本文提出一种融合多分支结构和注意力机制的车道线检测模型(fusion of multi-branch structure and attention mechanism network, FMANet),图像编码部分采用多分支结构和注意力机制，并选择swish作为激活函数，图像解码部分采用跳跃连接结构，实现跨层特征融合。本文利用TuSimple公开数据集对FMANet模型进行评估与验证，实验结果表明，本文所提的FMANet模型的mAP指标接近97.25%,车道线检测精确度达到98.15%,此外，通过CULane数据集验证FMANet模型在不同场景下的检测具有更好的鲁棒性。

• 单位
  物联网学院; 南京邮电大学