一.物体检测算法的不足

1.稀疏的输出结果

• 目标物体的位置、大小、类别、速度等
• 无法感知非物体，比如道路、建筑物、数目等
• 无法识别可行驶区域，无法规避所有障碍物

2.粗略的物体框表示

• 矩形框：中心点+长宽
• 无法精确表述物体形状

3. 受限的应用场景

• 自适应巡航
• 自动紧急刹车
• 盲区监测

不适用于车道保持和泊车辅助

二.语义分割

1.稠密的输出结果

• 每个像素点的语义类别
• 物体：实例ID+分割Mask
• 非物体：分割Mask

2.应用场景

• 可行驶道路检测
• 车道线监测
• 障碍物监测

3.最直接的方法

• 滑动窗口遍历整幅图像
• 对固定大小的图像块进行分类
• 分类器：SVM或者全连接网络

问题：大量的冗余计算，无法利用上下文信息

4.全连接网络（FCN）

• 叠加多个卷积层和下采样层
• 逐层扩大感受野，提取不同层次的空间上下文特征
• 最终的特征图通过反卷积恢复到原始图形的分辨率

问题：下采样导致空间细节信息的丢失，影响分类正确率和空间位置分辨率，尤其是影响细小物体

5.U-Net

• 编码器-解码器的结构
• 同样分辨率的特征图之间，增加了Skip连接
• 同时保留高层的上下文特征和底层的细节特征
• 网络通过学习来自动的平衡上下文和细节信息的比重

问题：底层特征图具有较大的感受野，但是牺牲了空间分辨率

6.空洞卷积（Dilated/Atrous Convolution）

• 拓展标准卷积核，使其铺盖更大的空间位置
• 代替下采样的操作：保持空间分辨率；在不增加计算量的前提下扩大感受野；

7.大卷积核

• 增加卷积操作的感受野
• 卷积结果的空间分辨率不受影响
• 降低计算量的Trick：二维的大卷积核（K×K）分解为两个一维的卷积核（1×K和K×1）；二维卷积的结果用两个一维卷积结果的和来模拟；计算量由$O(K^2)$降低到$O(K)$

8.DeepLab

• 采用扩张卷积扩大感受野
• 采用ASPP（Atrous Spatial Pyramid Pooling）提取多尺度信息
• 采用条件随机场(CRF)优化分割结果

9.Mask R-CNN

• 在Faster R-CNN的基础上增加实例分割分支
• 对于每个ROI，利用FCN输出一个固定大小的二值Mask
• ROI Align代替Pooling，提高特征与像素的空间对齐程度

3.自动驾驶中的应用

1车道线检测

用FCN输出一个固定大小的二值Mask

• ROI Align代替Pooling，提高特征与像素的空间对齐程度

三.自动驾驶中的应用

1车道线检测