论文部分内容阅读
为满足自动驾驶系统实时性要求,现有方法将编码器输出的特征图直接上采样进行像素级预测,从而忽略了解码器对于细节特征预测的重要性。为解决该问题,提出一种通用的基于目标特征蒸馏的车道线检测框架。首先,在使用直接上采样方式的网络中,增加一个具有较强特征预测能力的解码器;然后,在网络训练阶段,通过知识蒸馏技术将解码器生成的预测结果作为软目标,以使直接上采样分支学习到更为详尽的车道线信息,让其具有解码器的较强特征预测能力;最后,在网络推理阶段仅需使用直接上采样分支,而无需对解码器进行前向计算,因此相比现有模型在