改进多头注意力机制的车道检测方法

作     者：葛泽坤 陶发展 付主木 宋书中 GE Zekun;TAO Fazhan;FU Zhumu;SONG Shuzhong

作者机构：河南科技大学信息工程学院河南洛阳471023 河南科技大学河南省机器人与智能系统重点实验室河南洛阳471023 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第2期

页      面：264-271页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62201200) 河南省高校科技创新人才计划项目(23HASTIT021) 河南省高等学校重点科研项目(22A413002) 河南省重点研发与推广专项科技攻关(212102210153,222102240009) 河南省博士后科研项目(202003077) 河南省科技研发计划联合基金(222103810036) 河南省研究生教育改革与质量提升工程项目(YJS2021AL035) 河南省高等教育教学改革研究与实践项目(学位与研究生教育)成果(2021SJGLX141Y) 

主　　题：多头注意力机制 上下文信息 轻量级车道检测方法 无人驾驶平台 

摘      要：针对基于卷积神经网络(convolution neural network,CNN)的车道线检测方法存在的网络处理效率低和对车道线细长结构的建模能力不佳的问题,提出一种基于改进多头注意力机制(multi-head self-attention,MHSA)的轻量级车道检测方法。引入MHSA,融合Fuse MBConv、MBConv模块与特征压缩模块,降低模型的参数,同时利用上下文信息嵌入模块,建立兼顾检测精度和推理速度的全局注意力网络;利用Transformer的编码和解码器以及前向反馈网络将车道线参数化,结合匈牙利拟合损失函数提高所提出方法对车道线细长结构的建模能力。在TuSimple数据集对所提出的方法进行验证,结果表明,所提出的方法识别精度达到96.3%,推理速度达到95帧/s,同时在Apollo无人驾驶平台上的运行速度达到60帧/s,能够满足实时检测的要求。