代码戳here
作者采用两个级联的CNN网络，完成了车道线的实例分割和分类。第一个CNN网络做车道线的实例分割，第二个CNN网络对车道线实例进行分类。论文采用TuSimple数据集。
实例分割
选择ERFNet作为主干网络，论文中车道线实例个数固定为4（如果能处理任意条数的车道线实例，自然最好。不过个人感觉，目前还没有较好的方法。），将每个像素分到不同的车道线实例或者背景。采用这篇论文中的loss function，这个loss是基于Kullback-Leiber散度极小（divergence minimization）设计的。
车道线类型识别
针对分割的每个车道线实例，在车道线上采样固定个数的车道线像素点，按图像中的顺序排列，然后resize成正方形图片（这部分由Extraction完成，生成Descriptors）。再通过CNN网络对该正方形图片分类。其实，这部分就是一个简单的全卷积的图像分类网络，如下图所示。亮点在于Descriptors的生成方法。
在训练过程中，先训练实例分割网络，再训练车道线分类网络。