买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：芜湖辛巴网络科技有限公司

摘要：本发明公开一种基于解耦表征网络和斜率一致性损失的车道线检测方法，对车道图像数据进行场景归纳与划分，得到五种场景下的车道图像；构建解耦表征网络，解耦表征网络包括多分支模块和特征聚合层；使用三阶段训练策略对五种场景的车道图像进行训练，构建损失函数对网络学习进行约束，损失函数包括斜率一致性损失函数、平滑L1损失函数和线交并比损失函数，斜率一致性损失函数包含全局斜率一致性损失函数和局部斜率一致性损失函数。本发明采用解耦表征网络和斜率一致性损失的车道检测框架，通过对不同场景下的车道特征进行解耦表示，之后在实现特征自适应聚合以增强输入图像对应分支的特征信息抑制其他分支的噪声特征。

主权项：1.一种基于解耦表征网络和斜率一致性损失的车道线检测方法，其特征在于，包括以下步骤：步骤1、获取车道图像数据，并对车道图像数据进行场景归纳与划分，包括普通场景CM、拥堵场景CD、低光场景LL、强光场景DL和其他场景OT，进而得到这五种场景下的车道图像；步骤2、构建解耦表征网络，解耦表征网络包括多分支模块和特征聚合层；使用三阶段训练策略对五种场景的车道图像进行训练，具体方法如下：阶段一、冻结解耦表征网络，使用全部五种场景的车道图像对主干网络和head网络进行训练，所述主干网络最后输出视觉特征F1、F2和F3，所述head网络最后输出调整后的车道锚；阶段二、冻结主干网络和head网络，对不同场景的车道图像分别输入多分支模块，进行训练场景表征；所述多分支模块中每一个分支均是由卷积核为1x3、3x1以及3x3的可变形卷积组成的上下两个通道，多分支模块最终输出五种场景车道图像对应的特征FCM、特征FCD、特征FLL、特征FDL和特征FOT；阶段三、冻结主干网络和多分支模块，使用全部五种场景图像数据对特征聚合层和head网络进行训练，具体方法为：先将特征FCM、特征FCD、特征FLL、特征FDL和特征FoT输入特征聚合层，由特征聚合层对这五个分支的特征进行权重运算，实现自适应特征融合增强，输出增强车道特征Foutput；然后将增强车道特征Foutput输入head网络与车道锚进行交互学习，最终通过分类与回归得到最终的车道表示；步骤3、构建损失函数对网络学习进行约束，损失函数包括斜率一致性损失函数平滑L1损失函数和线交并比损失函数其中，斜率一致性损失函数包含全局斜率一致性损失函数和局部斜率一致性损失函数

全文数据：

权利要求：

百度查询： 芜湖辛巴网络科技有限公司 基于解耦表征网络和斜率一致性损失的车道线检测方法