[论文解读] ADNet: Lane Shape Prediction via Anchor Decomposition

Lingyu Xiao, Xiang Li+2 more|arXiv (Cornell University)|Aug 21, 2023

Autonomous Vehicle Technology and Safety被引用 4

一句话总结

ADNet 通过将锚框学习解耦为起点热力图和方向预测，提出了一种新颖的车道形状预测锚框分解方法，提升了灵活性与质量。它在特征金字塔网络（FPN）中引入大感受野注意力机制以更好地捕捉上下文信息，并提出通用线状交并比损失（GLIoU），在 VIL-100 上达到最先进性能，在 CULane 和 TuSimple 上也取得具有竞争力的结果。

ABSTRACT

In this paper, we revisit the limitations of anchor-based lane detection methods, which have predominantly focused on fixed anchors that stem from the edges of the image, disregarding their versatility and quality. To overcome the inflexibility of anchors, we decompose them into learning the heat map of starting points and their associated directions. This decomposition removes the limitations on the starting point of anchors, making our algorithm adaptable to different lane types in various datasets. To enhance the quality of anchors, we introduce the Large Kernel Attention (LKA) for Feature Pyramid Network (FPN). This significantly increases the receptive field, which is crucial in capturing the sufficient context as lane lines typically run throughout the entire image. We have named our proposed system the Anchor Decomposition Network (ADNet). Additionally, we propose the General Lane IoU (GLIoU) loss, which significantly improves the performance of ADNet in complex scenarios. Experimental results on three widely used lane detection benchmarks, VIL-100, CULane, and TuSimple, demonstrate that our approach outperforms the state-of-the-art methods on VIL-100 and exhibits competitive accuracy on CULane and TuSimple. Code and models will be released on https://github.com/ Sephirex-X/ADNet.

研究动机与目标

• 解决固定锚框方法在车道线仅从图像边缘起源的假设下导致的刚性问题。
• 通过用集中且可学习的起点预测与方向预测机制替代分散的锚框预测，提升锚框质量。
• 通过在特征金字塔网络（FPN）中引入大感受野注意力（LKA），扩展感受野以增强对细长连续车道线的特征表示能力。
• 针对标准 IoU 损失在复杂场景下的局限性，提出一种专用于锚框车道检测的新型通用线状交并比（GLIoU）损失。
• 构建一个统一框架，在 VIL-100、CULane 和 TuSimple 等多样化数据集上保持高精度与高效率。

提出的方法

• 将锚框分解为两个组成部分：用于起点位置的可学习热力图与用于锚框方向的定向图，实现全局且灵活的锚框生成。
• 引入起点生成单元（SPGU），通过概率热力图预测起点，将锚框位置与固定图像边缘解耦。
• 在特征金字塔网络（FPN）中集成大感受野注意力（LKA），以扩展感受野并提升对长而连续车道线的上下文建模能力。
• 提出自适应车道感知单元（ALAU），利用起点与方向的引导图动态调整特征聚合中的卷积核偏移量。
• 设计通用线状交并比（GLIoU）损失，以更好地处理复杂车道配置，尤其在锚框不满足标准边缘假设时表现更优。
• 在端到端训练流程中整合 SPGU、ALAU、LKA 和 GLIoU，通过消融实验验证各组件的贡献。

实验结果

研究问题

• RQ1 通过将起点预测与固定图像边缘解耦，能否使基于锚框的车道检测更具灵活性？
• RQ2 与分散的锚框预测相比，集中且可学习的锚框提议机制是否能同时提升锚框质量与检测精度？
• RQ3 借助大感受野注意力（LKA）实现的大感受野，是否能显著增强对长而连续车道线的特征表示能力？
• RQ4 在复杂且非标准的车道配置中，任务专用损失如通用线状交并比（GLIoU）是否优于标准 IoU 损失？
• RQ5 所提出的组件——SPGU、ALAU、LKA 和 GLIoU——在 VIL-100、CULane 和 TuSimple 等多样化基准上，其协同作用在多大程度上提升了整体性能？

主要发现

• 在 CULane 数据集上，ADNet 达到 77.56% 的 F1@50 分数，相较于基线模型提升 5.39%，该性能提升得益于 SPGU、ALAU、GLIoU 和 LKA 等所有组件的引入。
• 在 VIL-100 基准上，ADNet 使用 ResNet-34 和 LKA 时达到 90.39% 的 F1@50 分数，较基线提升 1.17%，优于所有现有最先进方法。
• 仅 SPGU 组件在 CULane 上即带来 F1@50 4.30% 的提升，证明其在实现灵活锚框生成中的关键作用。
• 在使用 ResNet-18 时，GLIoU 损失在 VIL-100 上带来 5.21% 的性能增益，表明其在标准 IoU 损失失效的复杂场景中具有显著有效性。
• LKA 在 CULane 和 VIL-100 上均显著提升性能，优于基线注意力模块，并在不同主干网络上均表现出一致的性能增益。
• 消融实验表明，SPGU 的影响最大，其次为 ALAU 和 LKA，而 GLIoU 虽影响较小但可测量，尤其在 VIL-100 上表现明显。