机器学习笔记 - 车道检测的几种深度学习方法

一、简述

        人们在打造自动驾驶汽车时首先想到的就是实现车道检测。这是 Tesla 和 mobileye 所说的“强制性”任务，也是 Sebastian Thrun（自动驾驶汽车教父）在接受采访时所说的首要任务。

        这个方向有很多传统的 OpenCV 算法，这些算法由不再使用的非常旧的函数组成。目前全部都转到深度学习的方式了。

二、车道线检测的分割方法

1、LaneNet

        检测车道线的第一种也是最流行的方法是使用图像分割，它很重要，而且因为算法名称 LaneNet 被认为是实现这一目标的最佳方法。输入和输出都是图像。输出图像是一个带有车道标记的分割掩模，如下图底部所示：

        大多数用于执行分割的模型都是编码器-解码器架构，并且根据数据集和标签，您将拥有更多或更少的类。您的任务是进行逐像素实例分类（对每个像素进行分类）。

        该类别中最流行的架构之一（甚至可能在车道线检测中）是 LaneNet。因此，我将深入研究 LaneNet，然后探索其他一些模型。