基于改进MMA-Net的车道线检测算法

作者：江漫; 张乾; 朱瑜; 张宇航

来源：计算机仿真, 2023, 40(09): 102-389.

• 车道线检测
• 门控循环单元
• 注意力机制
• 实例分割
• 计算机视觉

针对当前主流车道线检测算法没有考虑到视频帧序列的长时记忆信息的问题，提出一种改进多层记忆聚合网络(Multi-level Memory Aggregation Network, MMA-Net)的车道线检测方法。将MMA-Net中的卷积神经网络(Convolutional Neural Network, CNN)替换为门控循环单元(Gated Recurrent Unit, GRU),并增加编码器层数，形成编码多解码少的非对称网络结构。采用6层GRU网络提取车道线视频帧的局部和全局记忆特征，然后利用注意力机制对局部和全局记忆特征进行聚合，最后采用3个Refine模块作为解码器来预测车道线实例分割结果。采用两阶段训练方法在VIL-100数据集上进行训练，并与11个先进的车道线检测方法进行了比较，实验结果表明，其准确率达到97.2%,检测速度为18.391帧/每秒(fps),较原始MMA-Net准确率提升了6.2%,检测速度提高了0.643fps,且远胜于其它车道线检测方法。

• 出版日期2023
• 单位贵州民族大学