LaneATT

收录理由

LaneATT 出自 CVPR 2021 论文，其核心思路是用注意力机制从全局特征中筛选出对车道线最关键的线索，同时保持骨干网络轻量化。速度从设计之初就是重点考量，这对 ADAS 和自动驾驶感知环节尤为重要。仓库提供了完整的训练与评估流程，包含 TuSimple、CULane、LLAMAS 三个数据集的加载器，以及能复现论文指标的预训练权重。代码结构紧凑、易读，适合作为新车道检测方法的对比基线。需要注意的是，环境依赖 PyTorch 1.6 和需编译的 CUDA NMS 模块，安装时得预留时间处理环境配置，并非开箱即用。