基于行车记录仪的深度学习道路车道线质量评估

发生了什么

据arXiv cs.CV报道，研究提出基于行车记录仪视频的深度学习道路车道线质量评估方法与数据集。该研究包含一个地理参考的智能手机行车记录仪数据集，包含63,839个道路视频帧，并提出了三种车道质量度量：对比稳定性指数（CSI）、线连续性比率（LCR）和回归车道置信度分数（RLCS）。CSI和LCR是无参考的质量指标，无需密集人工标签即可计算。在50张人类排序图像的初步验证中，LCR与人类车道质量排序的秩相关性（Spearman's $ρ=0.7316$ 和 Kendall's $τ=0.5472$）强于通用图像质量度量，如PSNR、SSIM、BRISQUE、NIQE和LPIPS。