摘要
本发明属于深度学习、计算机视觉和图像分割技术领域,公开了一种基于CNN‑Transformer的车道线及路面分割方法及系统,构建基于CNN‑Transformer架构的车道线和路面分割网络模型;利用所述车道线和路面分割网络模型,获得车道线和路面分割掩码图;将车道线和路面分割掩码图与真值图进行对比计算损失函数,根据所述损失函数调节所述车道线和路面分割网络模型的超参数;将待分割的图像数据通过优化好的所述车道线和路面分割网络模型进行分割,输出检测结果。本发明不仅大幅提升了分割的准确度和鲁棒性,有效克服了遮挡、光照变化等难题。
技术关键词
车道
路面分割方法
分支
多尺度特征融合
解码器
融合特征
上采样
编码器
网络
局部特征信息
多头注意力机制
全局特征提取
加法方法
模块
层级
图像分割技术
系统为您推荐了相关专利信息
误差校正方法
时钟同步
方向盘转角数据
GNSS定位数据
车辆导航
机器学习模型
历史运行数据
评估漏洞
代码特征
深度信念网络模型
多任务神经网络
图像处理方法
分支
进化神经网络
遗传算法
舌象图像
神经网络模型
图像块
检测损失
分类网络