[發明專利]基于遷移學習緩解車道線檢測的樹影類問題的方法及系統有效
| 申請號： | 201710576091.7 | 申請日： | 2017-07-14 |
| 公開（公告）號： | CN107578057B | 公開（公告）日： | 2020-11-17 |
| 發明（設計）人： | 吳子章;王凡;唐銳 | 申請（專利權）人： | 北京縱目安馳智能科技有限公司 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06K9/00;G06T7/33 |
| 代理公司： | 上海光華專利事務所(普通合伙) 31219 | 代理人： | 徐秋平 |
| 地址： | 102300 北京市門頭溝區*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 遷移 學習 緩解 車道 檢測 樹影 問題 方法 系統 | ||
1.一種通過遷移學習緩解車道線檢測任務中的樹影類問題的方法，其特征在于，包括：
獲取含有被陰影遮擋的車道線的圖像；
通過對這些圖像進行分析，從而得到被陰影遮擋的車道線的共有特征；
利用遷移學習將所述共有特征與未被陰影遮擋的車道線的特征在學習任務中進行融合，從而訓練出車道線檢測模型；所述車道線的特征包括：車道線的像素分布、車道線的位置、車道線的形狀、及車道線跟周圍環境的關系中的一種或多種組合；
獲取待檢測圖像；
利用所述車道線檢測模型對所述待檢測圖像中的車道線進行檢測，并輸出檢測結果。
2.根據權利要求1所述的方法，其特征在于，還包括：在所述學習任務中，借助強化學習思想對樹影類問題進行有傾向性的訓練，從而有針對性地解決樹影類問題對車道線檢測任務的影響。
3.根據權利要求2所述的方法，其特征在于，所述有傾向性的訓練是通過設置學習內容的權重大小來實現的。
4.根據權利要求3所述的方法，其特征在于，所述學習內容包括：對背景圖像的學習。
5.一種通過遷移學習緩解車道線檢測任務中的樹影類問題的系統，其特征在于，包括：
圖像獲取模塊，用于獲取含有被陰影遮擋的車道線的圖像；
圖像分析模塊，用于通過對這些圖像進行分析，從而得到被陰影遮擋的車道線的共有特征；
模型建立模塊，用于利用遷移學習將所述共有特征與未被陰影遮擋的車道線的特征在學習任務中進行融合，從而訓練出車道線檢測模型；所述車道線的特征包括：車道線的像素分布、車道線的位置、車道線的形狀、及車道線跟周圍環境的關系中的一種或多種組合；
圖像檢測模塊，用于獲取待檢測圖像；利用所述車道線檢測模型對所述待檢測圖像中的車道線進行檢測，并輸出檢測結果。
6.根據權利要求5所述的系統，其特征在于，所述模型建立模塊還用于：在所述學習任務中，借助強化學習思想對樹影類問題進行有傾向性的訓練，從而有針對性地解決樹影類問題對車道線檢測任務的影響。
7.根據權利要求6所述的系統，其特征在于，所述有傾向性的訓練是通過設置學習內容的權重大小來實現的。
8.根據權利要求7所述的系統，其特征在于，所述學習內容包括：對背景圖像的學習。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京縱目安馳智能科技有限公司，未經北京縱目安馳智能科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710576091.7/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種整合經典模型用于樣本降維的流形學習系統
- 下一篇：忠誠度聚類的方法和裝置
