想找自动驾驶的工作，咋能没有一篇车道线检测的论文呢 ！#ICCV2023 顶会最新论文
#ICCV2023# ADNet: 通过Anchor分解进行车道线形状预测
ADNet:一种车道线检测新网络，引入了特征金字塔网络(FPN)的大核注意力，显著增加了感受野，并提出通用车道线IOU (GLIOU) 损失，在多个车道线数据集上表现SOTA!
本文重新审视基于anchor的车道线检测方法的局限性，该方法主要关注源自图像边缘的固定anchor，而忽略了它们的多功能性和质量。为了克服anchor的不灵活性，将它们分解为学习起点及其相关方向的热图。这种分解消除了anchor起点的限制，使我们的算法能够适应各种数据集中的不同车道线类型。为了提高anchor的质量，我们引入了特征金字塔网络 (FPN) 的大核注意力 (LKA)。 这显著增加了感受野，这对于捕获足够的上下文至关重要因为车道线通常贯穿整个图像。我们将我们提出的系统命名为Anchor分解网 (ADNet) 。此外，我们提出了通用车道线 IOU(GLIOU) 损失，这显著提高了 ADNet 在复杂场景下的性能。三个广泛使用的车道线检测基准 VIL100、CULane 和 TuSimple 的实验结果表明，本方法优于 VIL-100 上最先进的方法，并且在 CULane 和 TuSimple 上表现出有竞争力的准确性。
代码：https://github.com/Sephirex-X/ADNet
论文：https://arxiv.org/abs/2308.10481
AIGC生成技术交流：本星球主要分享AIGC最新技术，包括数字人实战技术、AI作画技术、声音克隆技术、大语言模型技术、三维重建技术等。我们还提供校招信息、面试题等内容，帮助各个层次的人实现自己的理想。不论是校招还是社招，还是你想快速融入AIGC创业潮流，迅速掌握AIGC论文方法的更新迭代，这个星球都适合你。
