(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211322637.3 (22)申请日 2022.10.27 (71)申请人 福思 （杭州） 智能科技有限公司 地址 310051 浙江省杭州市滨江区西兴街 道阡陌路459号A 楼1602室 (72)发明人 安阳　张青峰　卢仁建　钱鑫明　 (74)专利代理 机构 杭州华进联浙知识产权代理 有限公司 3 3250 专利代理师 何晓春 (51)Int.Cl. G06V 10/26(2022.01) G06V 20/56(2022.01) G06V 10/22(2022.01) G06V 10/24(2022.01) (54)发明名称 分割网络模 型训练方法、 车道线检测方法和 电子装置 (57)摘要 本申请涉及一种分割网络模 型训练方法、 车 道线检测方法、 电子装置、 存储介质和计算机程 序产品， 该方法包括： 获取训练图像， 将训练图像 输入至分割网络， 得到前景预测值和背景预测 值， 并将前景预测值和背景预测值进行归一化处 理， 得到第一预测值； 在训练图像中确定目标区 域， 并根据目标区域构造第一抑制函数， 其中， 目 标区域为延伸至图像边框的远处车道线所在位 置； 将第一预测值输入至第一抑制函数， 输出第 二预测值； 将第二预测值输入至损失函数， 输出 损失值， 并根据损失值调整分割网络模型的参 数。 通过本申请， 解决了利用分割网络对车道线 进行检测时， 无法准确地检测远处车道线的问 题， 实现了 远处车道线检测准确率的提升 。 权利要求书2页 说明书10页 附图7页 CN 115393595 A 2022.11.25 CN 115393595 A 1.一种分割网络模型训练方法， 应用于车道线检测， 其特 征在于， 包括： 获取训练图像， 将所述训练图像输入至分割网络， 得到对应于车道线的前景预测值， 以 及得到背景预测值， 并将所述前景预测 值和所述背景预测 值进行归一化处理， 得到第一预 测值； 在所述训练图像中确定目标区域， 并根据 所述目标区域构造第一抑制函数， 其中， 所述 目标区域 为延伸至图像边框的远处车道线所在位置； 将所述第一预测值输入至第一抑制函数， 输出第二预测值； 将所述第二预测值输入至损 失函数， 输出损 失值， 并根据所述损 失值调整所述分割 网 络模型的参数。 2.根据权利要求1所述的分割网络模型训练方法， 其特征在于， 在所述训练图像中确定 目标区域包括： 获取对应于所述车道线的第 一像素点集， 根据所述第 一像素点集中的纵坐标确定最高 点和最低点， 并根据所述车道线的最高点和最低点确定所述车道线在竖直方向上的高度； 对所述第一像素点 集进行拟合， 得到所述车道线的拟合曲线； 根据所述车道线的最高点和高度， 确定所述目标区域在竖直方向上的高度和位置， 以 及根据所述车道线的最高点、 所述车道线的高度和所述拟合 曲线， 确定所述 目标区域在垂 直于所述拟合曲线方向上的宽度。 3.根据权利要求2所述的分割网络模型训练方法， 其特征在于， 确定所述目标区域在竖 直方向上的高度和位置包括： 以所述车道线的最高点的纵坐标为标准值， 围绕所述标准值上下浮动第一预设值， 得 到所述目标区域在竖直方向上的最大纵坐标、 最小纵坐标和高度， 其中， 所述第一预设值与 所述车道线的高度成一定比例。 4.根据权利要求3所述的分割网络模型训练方法， 其特征在于， 确定所述目标区域在垂 直于所述拟合曲线方向上的宽度包括： 作一条所述拟合曲线的垂线， 其中， 所述垂线与所述拟合曲线的交点的纵坐标为所述 目标区域在竖直方向上的最小纵坐标； 在所述第一像素点集中选取与所述垂线的垂直距离小于第 二预设值的像素点， 得到第 二像素点 集； 在所述第二像素点集中选取与所述垂线的垂直距离最远， 且分别位于所述拟合曲线两 侧的两个 像素点； 根据所述两个像素点之间的直线距离得到所述目标区域在垂直于所述拟合曲线方向 上的宽度。 5.根据权利要求1所述的分割网络模型训练方法， 其特征在于， 在所述训练图像中确定 目标区域， 并根据所述目标区域构造第一抑制函数包括： 构建系数矩阵， 其中， 所述系数矩阵中对应所述目标区域的像素的系数值为第 一值， 其 余系数值 为第二值； 构造第二抑制函数， 其中， 所述第二抑制函数可以抑制处于第一范围内的所述第一预 测值， 且在所述第一预测值 为0或者1时， 所述第一预测值与所述第二预测值 一致； 根据所述系数矩阵和所述第二抑制函数， 得到所述第一抑制函数。权　利　要　求　书 1/2 页 2 CN 115393595 A 26.根据权利要求5所述的分割网络模型训练方法， 其特征在于， 所述第 二抑制函数经过 点(0， 0)和点(1， 1)， 且在区间[0， 1]内为凹函数。 7.根据权利要求1所述的分割网络模型训练方法， 其特征在于， 所述第 一抑制函数能够 抑制所述目标区域内的所述第一预测值， 且所述第一抑制函数不改变所述目标区域外的所 述第一预测值。 8.根据权利要求1所述的分割网络模型训练方法， 其特征在于， 根据所述损失值调 整所 述分割网络模型的参数包括： 根据所述损失值的最小值确定所述分割网络模型的最优参数。 9.一种车道线检测方法， 其特 征在于， 包括： 将待检测图像输入至权利要求1至权利要求8中任一项分割 网络模型训练方法得到的 分割网络， 输出 车道线检测结果。 10.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行权利要求1至权利要求8中任一项所述 的分割网络模型训练方法或者权利要求9所述的车道线检测方法。 11.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至权利要求8 中任一项所述的分割网络模型训练方法的步 骤或者权利要求9所述的车道线检测方法的步骤。 12.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至权利要求8 中任一项所述的分割网络模型训练方法的步骤或者权利要 求9所述的车道线检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115393595 A 3