摘要
本发明公开基于可学习线锚和KAN网络检测头的车道线检测方法。首先利用主干图像特征提取模型对输入的车道线图像进行多阶段的特征提取。在前几个阶段,专注于线锚的学习与调整,利用预定义的线锚对主干图像特征提取模型输出的特征图进行线锚池化,并利用基于KAN网络的检测头,生成车道线的初步预测结果,并调整线锚位置,用于对下一阶段的特征图进行线锚池化,并将前序阶段的池化结果作为全局信息进行融合。重复多次后,利用调整后的线锚,对最后一个阶段的特征图进行线锚池化,输出最终的车道线预测结果。并且在模型的训练过程中,提出分段交并比作为损失计算的一部分,更有效地监督模型学习。该方法能够提升车道线检测的速度与精度。
技术关键词
车道线检测方法
图像特征提取模型
检测头
网络
特征金字塔
损失计算方法
多阶段
分段
注意力
坐标
训练集数据
采样点
池化特征
采样技术
矩阵
代表
直线
系统为您推荐了相关专利信息
超文本标记语言
层叠样式表
界面生成方法
数据
生成系统
预约管理系统
实验室设备
深度学习预测
收集设备
模块
数据处理方法
公钥
异常数据点
解密
风险评估报告
环境声音分类
跨层连接结构
网络模块
超参数
进化算法
时间序列预测模型
神经网络模型
数据异常分析方法
节点
参数