CLRKDNet 优化 FPN 和检测 Head 架构,简化结构与师生蒸馏相结合 !

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 车道线是智能车辆视觉感知系统的重要组成部分，在安全导航中发挥着关键作用。在车道线检测任务中，平衡准确性与实时性能至关重要，但现有方法常常为了一个而牺牲另一个。为了解决这种权衡，作者引入了CLRKDNet，这是一个精简的模型，能够在检测准确性和实时性能之间保持平衡。 最先进的模型CLRNet在各种数据集上展示了卓越的性能，但由于其特征金字塔网络（FPN）和多层检测Head架构，其计算开销很大。 作者的方法简化了FPN结构和检测Head，重新设计它们以融入一种新颖的师生蒸馏过程以及一系列新引入的蒸馏损失。这种组合使得推理时间最多减少60%，同时保持了与CLRNet相当检测准确性。 这种在准确性和速度之间的策略性平衡使 ………………………………