基于知识蒸馏和超分辨率的车道检测算法仿真

摘要：

为改善自动驾驶领域中车道线检测的鲁棒性与实时性,提出了基于知识蒸馏和超分辨率的快速车道线检测算法.由于复杂路况与采集图像的分辨率因素影响,会导致对空间和边缘信息的缺失,而单纯利用神经网络来提高图像的特征提取与分割精度,又会导致网络结构过于繁杂.因此结合知识蒸馏思想对神经网络采取轻量化设计,并对路况图像采取超分辨率重构.算法首先采用分组卷积,把Teacher网络的训练成果转换成不同分辨率的投影关系,完成缺失信息的合理补充.针对Teacher与Student网络相似性,为避免训练过程中的相互干扰,引人残差结构进行特征重建.根据编解码设计分割网络,通过特征提取与交叉熵计算,确定车道线的分布情况.基于Cityscape数据集对算法的性能进行比较分析,结果表明,所提算法能够有效提高车道线检测的实时性,同时具有良好的鲁棒性和准确率.

关键词：知识蒸馏、超分辨率、神经网络、损失函数、车道线检测

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省教育厅科学技术研究计划指导性项目;湖北省高等学校优秀中青年科技创新团队计划项目

在线出版日期：2023-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：178-181,194