7883

يافتن خطكشي خيابان به كمك ترانسفورمرها در يادگيري عميق

كارشناسي

مهندسي برق - الكترونيك

1401

دكتر شهريار برادران شكوهي

1401/04/28

مهندسي برق

End-to-End Lane Shape Detection with Transformers in Deep Learning

بزرگ‌ترين چالش شركت‌هاي بزرگ فعال در حوزه‌ي خودروهاي خود ران، يافتن الگوريتمي براي پيش‌بيني خطوط جاده به‌صورت دقيق و سريع است. روش‌هاي پركاربرد پردازش موازي كه در دو مرحله‌ي استخراج و پس پردازش خطوط را پيش‌بيني مي‌كنند، درحالي‌كه كاربردي هستند، در دريافتن جزئيات كلي و خطوط بلند و باريك بهينه نبوده و دقت خوبي ندارند. براي غلبه بر اين مشكل، شبكه‌اي انتها به انتها بر اساس ترانسفورمرها معرفي‌شده است كه ساختارها و جزئيات مهم را ياد گرفته و براي هر خط يك‌چند جمله‌اي در نظر گرفته و پارامترهاي آن را پيش‌بيني مي‌كند. همانند ديد انسان، پيش‌بيني شكل خطوط در شرايط ديد سخت كه به دلايل مختلفي مانند نور زياد ايجاد مي‌شود، به كمك داده‌هاي كلي و ساختار جاده‌ها انجام مي‌شود. براي يافتن ساختارهاي نازك و جزئيات كلي، مدل ترانسفورمر به كمك توجه خودي چند سر بهينه روابط بين داده‌هاي غيرمحلي را پردازش مي‌كند. مدل پيش‌بيني كننده خطوط جاده بر روي ساختار جاده و موقعيت دوربين تمركز كرده و تعبير فيزيكي وابسته به موارد ذكرشده براي پارامترهاي شبكه محيا مي‌كند. ارزيابي‌هاي انجام‌شده بر روي مجموعه داده‌هاي TuSimple نشان مي‌دهد كه اين روش به عملكرد برتري در دقت و سرعت نسبت به ديگر روش‌هاي تشخيص خطوط دست‌يافته است. دقت به‌دست‌آمده بر روي مجموعه داده‌هاي TuSimple از روش‌هاي ديگر بالاتر بوده و مقدار 96.91% را نشان مي‌دهد.

خودروهاي خود ران , پيش بيني خطوط جاده , ترانسفورمر , توجه خودي چندسر بهينه , ساختار كلي , موقعيت دوربين