[發(fā)明專利]一種基于語(yǔ)義分割模型的車道線圖片檢測(cè)分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010326625.2
• 申請(qǐng)日: 2020-04-23
• 公開（公告）號(hào): CN111597913B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 齊冬蓮;方翌嘯;閆云鳳;季瑞松;張建良;李真鳴
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué);杭州遠(yuǎn)鑒信息科技有限公司
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/774;G06V20/58;G06K9/62;G06N3/02;G06N3/08
• 代理公司: 北京睿智保誠(chéng)專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

1.一種基于語(yǔ)義分割模型的車道線圖片檢測(cè)分割方法，包括以下步驟：

1)采集無(wú)人駕駛車輛拍攝的車道線圖片構(gòu)成數(shù)據(jù)集，車道線圖片包含道路上標(biāo)識(shí)的不同類別的車道線；

2)對(duì)數(shù)據(jù)集進(jìn)行清洗后獲得訓(xùn)練集；

3)用步驟2)獲得的訓(xùn)練集輸入到網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，具體將訓(xùn)練集中的圖片縮放制成三種圖片分辨率大小的圖片以圖片分辨率逐漸變大進(jìn)行訓(xùn)練；

所述步驟3)中，所述網(wǎng)絡(luò)模型采用Deeplab v3+模型，具體過(guò)程如下：

3.1)將訓(xùn)練集中的圖片均縮放到較小分辨率輸入網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到第一次訓(xùn)練后的網(wǎng)絡(luò)模型的模型參數(shù)并作為初始化參數(shù)；

3.2)將訓(xùn)練集中的圖片均縮放到中等分辨率輸入到步驟3.1)訓(xùn)練后獲得的具有初始化參數(shù)的網(wǎng)絡(luò)模型中進(jìn)行再次訓(xùn)練，得到第二次訓(xùn)練后的網(wǎng)絡(luò)模型的模型參數(shù)并作為中級(jí)參數(shù)；

3.3)將訓(xùn)練集中的圖片均縮放到較大分辨率輸入到步驟3.2)訓(xùn)練后獲得的具有中級(jí)參數(shù)的網(wǎng)絡(luò)模型中進(jìn)行再次訓(xùn)練，得到最終模型；

所述步驟3)中的網(wǎng)絡(luò)模型的訓(xùn)練方法具體是：

網(wǎng)絡(luò)模型在每種分辨率的圖片下分別訓(xùn)練10個(gè)迭代周期epochs，學(xué)習(xí)率變化方式具體采用：其中前3個(gè)迭代周期epochs采用固定的學(xué)習(xí)率0.001訓(xùn)練；然后在第4～8個(gè)迭代周期epochs中，每個(gè)迭代周期epoch均有一定的迭代次數(shù)，這5個(gè)迭代周期epoch的所有迭代次數(shù)平均依次分配6個(gè)學(xué)習(xí)率，6個(gè)學(xué)習(xí)率依次為：0.001-0.0006-0.0003-0.0001-0.0004-0.0008-0.001；最后在第9～10個(gè)迭代周期epochs中，采用固定的學(xué)習(xí)率0.0001訓(xùn)練，以微調(diào)網(wǎng)絡(luò)模型的模型參數(shù)；

所述步驟3)中，網(wǎng)絡(luò)模型在每次訓(xùn)練時(shí)計(jì)算以下第一損失函數(shù)和第二損失函數(shù)相加作為總損失函數(shù)，進(jìn)而采用隨機(jī)梯度下降方法用于優(yōu)化訓(xùn)練；

第一損失函數(shù)：

其中，BCEL代表二分類交叉熵的損失值，N表示車道線所有的類別數(shù)量，y_i表示第i個(gè)車道線類別的真實(shí)標(biāo)簽，p(y_i)表示網(wǎng)絡(luò)模型輸出的第i個(gè)車道線類別的概率值；

第二損失函數(shù)：

其中，DL代表相似度的損失值，p_i表示第i個(gè)車道線類別的精確率，r_i表示第i個(gè)車道線類別的召回率，∈表示一個(gè)極小數(shù)；

4)對(duì)于待測(cè)圖片，將待測(cè)圖片縮放到步驟3)中最后訓(xùn)練時(shí)的圖片分辨率大小，然后將縮放后的待測(cè)圖片輸入訓(xùn)練后的最終模型中，最終模型輸出結(jié)果再重新縮放回待測(cè)圖片的原始大小，得到最終的分割結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于語(yǔ)義分割模型的車道線圖片檢測(cè)分割方法，其特征在于：所述的車道線圖片是指放在無(wú)人駕駛車輛上的攝像頭拍攝的真實(shí)道路場(chǎng)景圖片，攝像頭固定在無(wú)人駕駛車輛的車身上方，正對(duì)前方路面水平向下傾斜15度視角拍攝采集。

3.根據(jù)權(quán)利要求1所述的一種基于語(yǔ)義分割模型的車道線圖片檢測(cè)分割方法，其特征在于：所述步驟2)的訓(xùn)練集中再對(duì)圖片進(jìn)行數(shù)據(jù)增強(qiáng)處理，從包括亮度、飽和度、噪聲、對(duì)比度、裁剪、縮放在內(nèi)的多個(gè)方面進(jìn)行調(diào)整，獲得更多圖片。