딥러닝 기반 객체 검출 네트워크는 차선 인식 분야에서 차선 간 구분이 명확하지 않고 인식 정확도가 낮으며 오검출율과 누락율이 높은 문제를 여전히 가지고 있다. 이러한 문제를 해결하기 위해 공간 인스턴스 분할 기반 경량 차선 검출 및 추적 네트워크를 제안하였다. 이 방법은 인코딩 부분에 VGG16 네트워크와 공간 합성곱 신경망을 사용하여 네트워크 구조가 공간 관계를 학습하는 능력을 향상시켜 차선 예측 시 흐릿함, 단절 등의 문제를 해결하였다; LaneNet을 기반으로 인코딩 후 출력된 두 개의 분기 작업을 결합하여 전경 및 배경 인식 성능 저하와 차선 간 구분 불분명 문제를 개선하였다. 마지막으로 TuSimple 데이터셋에서 다른 5가지 의미 분할 기반 차선 인식 알고리즘과 비교하였다. 실험 결과 본 논문의 알고리즘은 97.12%의 정확도 점수를 기록하였고, 오검출율과 누락율이 다른 네트워크보다 우수하며, LaneNet 대비 오검출율과 누락율이 각각 44.87%와 12.7% 감소하여 실시간 차선 검출 및 추적 요구를 기본적으로 만족하였다.

기계 비전; 의미 분할; 차선 검출 및 추적; 경량 합성곱 신경망; 공간 합성곱 신경망