深層学習に基づく物体検出ネットワークは、車線認識の分野で車線の区別が不明瞭で、認識精度が低く、誤検出率や見逃し率が高いといった問題が依然として存在する。これらの問題を解決するために、空間インスタンスセグメンテーションに基づく軽量の車線検出追跡ネットワークを提案した。本手法は、エンコーダ部分にVGG16ネットワークと空間畳み込みニューラルネットワークを使用してネットワーク構造の空間関係学習能力を向上させ、車線予測のぼやけや途切れといった問題を解決した。LaneNetを基に、エンコード後に出力される2つのブランチタスクを結合し、前景と背景の認識性能不良および車線間の区別が不明瞭な問題を改良した。最後に、本手法はTuSimpleデータセットにおいて、他の5種類のセマンティックセグメンテーションに基づく車線検出アルゴリズムと比較した。実験により、本論文のアルゴリズムは精度スコア97.12%を達成し、誤検出率および見逃し率が他のネットワークより優れ、誤検出率および見逃し率はLaneNetと比較して44.87%および12.7%それぞれ低減し、リアルタイムの車線検出追跡の要件を概ね満たしていることが示された。

機械視覚;セマンティックセグメンテーション;車線検出追跡;軽量畳み込みニューラルネットワーク;空間畳み込みニューラルネットワーク