[车道线检测]CondLaneNet: a Top-to-down Lane Detection Framework Based on Conditional Convolution

原文地址：CondLaneNet: a Top-to-down Lane Detection Framework Based on Conditional Convolution

Introduction

为了解决complet topologies. 提出了一个top-to-down的框架，先找出大致实例，再预测line shape（对应起来的bottom-to-up方法我理解就是先像素级分类，然后再经过后处理例如聚类等生成一个实例）

基于conditional convolution 和 row-wise formulation。构造了一个Recurrent Instance Module模块克服复杂拓扑结构的实例。

大部分分割方法还是bottom-up的，因此分配实例是一个比较困难的地方，如果直接分类，也可以，不过lanes number是fixed的，显然不够鲁棒(ultra fast)。post-clustering的方法会在dense lines的情况下出现效果下滑。anchor-based方法，lane shape是先验的，有一定限制

How

首先引入动态卷积——一种结合动态核参数的卷积操作。动态卷积包含两步：实例检测和实例shape prediction。实例检测首先找到object instance然后回归一组核参，第二步根据每个实例的核参预测shape。不过作者没有直接把动态卷积处理实例分割的方法照搬(用分割方法做shape description，也没有用原始的检测方法。具体原因就是线的自由度比较高，线的视觉特征不明显。）

shape prediction

作者首先介绍了shape prediction部分，也就是上图的最右。作者采用row-wise formulation而不是分割的方法

Row-wise location

将输入特征图分为小box，然后输出一张location map。对每一行上进行X个分类，在推理阶段，对location map每一行上进行softmax，作为是line中一个点的概率。进一步细化具体位置，最终的位置是$E({\hat{x}}_i)=\sum j\times p_{ij}$, 表示第i行的坐标点由每一个cell的横坐标乘它的概率。这部分的损失是：
$$L_{row}=\frac{1}{N_v}\sum _{i\in V}|E({\hat{x}}_i)-x_i|$$
V表示groundtruth对应包含了哪几行

vertical range

需要判断哪些行是有效行。这里用ce对每行进行一个分类，每一行的feature map作为输入，经过线性层。
$$L_{range}=\sum _i(-y_{gt}^{i}log(v_i)-(1-y_{gt}^i)log(1-v_i))$$

offset map

因为cell的x坐标是cell的左边，没有特别准确，因此可以用一个offset map来预测具体的位置。
$$L_{offset}=\frac{1}{N_{\Omega }}\sum |{\hat{\delta }}_{ij}-{\delta }_{ij}|$$
模型预测的最终结果：

Instance Detection

传统的instance segmentaion任务中的instance detection是预测物体的中心，但是line比较难，因此预测start point。这里基于centernet 生成一个heatmap，peak作为预测起始点，采用centernet 里的 gaussian focal loss。动态卷积所用到的核参，参考CondInst生成一个parameter map

Recurrent Instance Module

由于多条线可能有相同的proposal point，例如fork lines，提出了一个循环实例模块。