一种特殊环境下基于深度学习的车道线检测方法
基本信息
| 申请号 | CN202111204750.7 | 申请日 | - |
| 公开（公告）号 | CN113822226A | 公开（公告）日 | 2021-12-21 |
| 申请公布号 | CN113822226A | 申请公布日 | 2021-12-21 |
| 分类号 | G06K9/00（2006.01）I;G06K9/40（2006.01）I;G06K9/46（2006.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 沈阳;张友华;黄喜荣;杨志峰;文旭卿;张伟 | 申请（专利权）人 | 江西锦路科技开发有限公司 |
| 代理机构 | 南昌汇智合诚知识产权代理事务所（普通合伙） | 代理人 | 邓秋星 |
| 地址 | 330038江西省南昌市红谷滩新区庐山南大道919号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及车道线检测技术领域，且公开了一种特殊环境下基于深度学习的车道线检测方法，该车道线检测方法基于残差网络ResNet和空间注意力模块，其通过卷积网络提取特征信息，并在主干网络ResNet之后添加空间注意力模块，用于结合空间上长距离的上下文信息得到更有效的语义表征，构成适用于在复杂环境下进行车道线检测的深度学习网络模型，并使用相关场景的图像数据进行训练，模型最终的车道线检测效果，能够有效解决高速隧道内车道线检测难度大、老旧道路部分路段车道线模糊不易识别、路段划线未使用标准涂料导致反光率差的问题，并且具有较好的准确性和鲁棒性，尤其对于隧道内的车道线检测有较好的鲁棒性。 |
