《表1 目标特征蒸馏网络与state-of-the-art车道线检测算法计算结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于目标特征蒸馏的车道线检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

定量分析:为了验证本文提出方法的有效性，计算其在Culane数据集上的F1评分，表1显示了在SCNN上应用目标特征蒸馏方法后，其与当前最先进车道线检测方法的计算结果。不增加额外计算成本的同时，在Culane数据集的9个复杂场景中，本文方法在其中6个场景和整个测试集上的F1评分领先于其余各算法，验证了本文方法的有效性。但在crowd场景和hlight场景中GCJ[18]方法的F1评分高于其他方法，这是由于GCJ方法使用了车道线和行驶区域之间的几何先验信息，增加了该算法对遮挡车道线的上下文推理能力，通过增加几何信息改善车道线分割效果，为本文下一步的工作。