一种基于自注意力的车道线语义分割方法

本发明提供了一种基于自注意力的车道线语义分割方法，首先进行数据采集与预处理，然后基于ERFnet神经网络模型实现二值语义分割，最后根据二值语义分割图，基于改进的DeepLabV3Plus模型，进行最终的多目标语义分割，ERFnet负责初步的粗粒度分割，快速分离车道线和背景，而改进的DeepLabV3Plus则进一步细化分割结果，通过引入区域自注意力单元和通道自注意力单元，增强了模型对局部和全局特征的捕捉能力。本发明方案通过结合ERFnet和改进的DeepLabV3Plus模型，不仅提高了分割的准确性和泛化能力，而且保持了实时性，实现了车道线的实时和高精度分割，对多变的复杂路况具有较强的适应性。