0. 前言

读一遍论文，认识一所大学，一家机构，让我们知道，世界很大，你不是一个人在研究某个领域。今天我们看到的是Universidade Federal do Esp′?rito Santo (UFES)的成果，圣埃斯皮里托联邦大学，位于巴西东南部。好的，以后有机会去巴西，一定去这所大学门口拍照留念一下。

1. 论文摘要

其实是继LaneCNN之后，以anchor_based为核心的车道线检测方法，作者一直在强调global information对于车道线检测的影响，确实，如果基于这种思想的话，anchor其实本身就是对global information的提取或者说先验知识，车道线问题视为对anchor的回归问题，的确很有道理。

2. 网络构成

下图即为lane_ATT网络构成，先不用急的看网络，我们先理一下输入输出。
在这里插入图片描述

2.1 Lane的表示

本质上，车道线就是图中一些点集，回归的本质就是找到每一行上最符合这条车道线的点的位置，最简单的方法就是去遍历每一行，在这里，我们把图像的左下角为坐标原点，向上为Y轴正方向，向右为X轴正方向。一般来说，为了减少计算量，我们一般会采用等间距采样的方法，其实拟合一条三次方程的车道线至少需要4个点，所以我们只需要大于4个点的采样即可。N_pts就是我们要采样的个数。
在这里插入图片描述
这样我们相当于固定了Y轴，那么车道线只需要一个X轴上的数组就可以表示

我们得到了一套（x,y）坐标，可以与我们提出anchor进行回归，最简单的回归可以求pred和label的二范数。这里其实要比较慎重处理一下，是否除以点数进行归一化再反传这部分误差，后续再看一下。

2.2 Anchor的表示

Anchor其实类比目标检测，就是我们提出的标准的先验的车道线，最简单的anchor是一条直线，只需要一个起点和一个角度就可以表达，作者也是这样来处理的
在这里插入图片描述
δ^back 是 backbone’s global stride，我理解其实anchor和lane的回归可能不是在原图大小的层级上，可能是1/4或者1/16大小，因为直接接的backbone的输出。但是我们x和y是原图level的，所以需要转换到特征图层面，这样才能将anchor给投影到feature map。

2.3 Attention 机制

为什么要用Attention，作者觉得由于池化下采样导致的采集的特征是局部的，不能很好的预测车道线的位置和相关属性，需要加入全局信息来解决。
首先将anchor[i] 投影到特征图上得到了这个anchor的局部特征 a_i^loc，我们需要通过一定的关系来求解这个anchor的全局特征 a_i^glob。现在问题到了如何求全局特征，作者的方法很简单，他讲这个anchor和其他任意的anchor通过全连接层加softmax，会获得一个概率，每一个anchor的投影特征和对应概率相乘，再SUM，得到了a_i^loc对应的全局的 a_i^glob。看一下这部分的代码

batch_features = self.backbone(x)['out']

这个是resnet34的主干，主干输出是8 * 512 * 12 * 20的feature map

 batch_features = self.conv1(batch_features)

然后经过1 * 1的conv进行降channel处理，输出是8 * 64 * 12 * 20的feature map

 batch_anchor_features = self.cut_anchor_features(batch_features)

这一步其实就是将预先设定好的anchor投影到feature map中，我们看一下作者提供的batch_anchor_features的维度信息，这是一个5维的信息，相比之前的特征图多了一个n_proposals，这个其实就是预先设置好的anchor数量，作者预留了1000条，n_fmaps是之前的channel，仍然是64。 featmap_h实际上是通过img_h // self.stride算出来的，360//32向下取整为11，代表1条车道线用11个点来量化。由于y轴上采样点固定的，所以描述一个点只需要一个维度就够了，因此最后一个维度为1。
cut_anchor_features这部分其实还涉及compute_anchor_cut_indices来获得x(w方向)，y(h方向)，z(channel方向)的index取值，作者通过这种方式，将1000个anchor下64channel 11个Width值同时访问操作，访问的对象就是batch_anchor_features，大大提高了处理速度。这里面涉及了很多数据维度的处理以及将不同维度信息保存在三个704 * 1000的数组里，分别存了三个方向的index，方便后期一次性对数据进行访问处理。

batch_anchor_features = torch.zeros((batch_size, n_proposals, n_fmaps, self.featmap_h, 1),
                                            device=features.device)

然后作者又奖channel和h方向进行合并，也就是将一个anchor的所有信息压缩到一起。batch_anchor_features此时已经是8000 * 704，8000是batch和n_proposals压缩了，704是channel和h压缩了。一个anchor的a_i^loc其实就是704长度的tensor。

batch_anchor_features = batch_anchor_features.view(-1, self.anchor_feat_channels * self.featmap_h)

通过attention layer, 又得到了scores，维度为8000 * 999，它代表的是任意一anchor和其他所有的anchor的关系，再通过softmax就可以得到attention,维度为81000999

scores = self.attention_layer(batch_anchor_features)
attention = softmax(scores).reshape(x.shape[0], len(self.anchors), -1)

attention里面是一个anchor和其他anchor的权重，但是由于没有和自己的权重，导致维度上很难计算，所以作者用了attention_matrix 维度为8 * 1000 * 1000。

batch_anchor_features = batch_anchor_features.reshape(x.shape[0], len(self.anchors), -1)
attention_features = torch.bmm(torch.transpose(batch_anchor_features, 1, 2),
                                       torch.transpose(attention_matrix, 1, 2)).transpose(1, 2)

batch_anchor_features之前是8000 * 704，现在重新将维度变为8 * 1000 * 704，通过bmm矩阵乘法的方法，最后我们获得的attention_features为8 * 1000 * 704。
此时，将attention_features其实是任何一个anchor都已经与其他anchor进行了一次交互，包含了全局的信息。将attention_features和batch_anchor_features进行向量cat拼接就可以得到最终的特征
在这里插入图片描述