孪生Transformer如何破局复杂道路场景？

文章预览

本文来源：自动驾驶Daily（ID：gh_1918320c2e80） 写在前面 & 笔者的个人理解 车道检测是自动驾驶系统中一项重要但具有挑战性的任务。基于Visual Transformer的发展，早期基于Transformer的车道检测研究在某些场景下取得了有前景的结果。 然而，对于复杂的道路条件，如不均匀的光照强度和繁忙的交通，这些方法的性能仍然有限，甚至可能比同期基于CNN的方法更差。 在本文中，我们提出了一种新的基于Transformer的端到端网络，称为SinLane，该网络获得了关注稀疏但有意义的位置的注意力权重，并提高了复杂环境中车道检测的准确性。SinLane由一种新颖的孪生视觉变换器结构和一种称为金字塔特征集成（PFI）的新型特征金字塔网络（FPN）结构组成。 我们利用所提出的PFI来更好地整合全局语义和更精细的尺度特征，并促进Transformer的优化。 此外，所设计的Siamese ………………………………