[发明专利]基于迁移学习缓解车道线检测的树影类问题的方法及系统

权利要求书

1.一种通过迁移学习缓解车道线检测任务中的树影类问题的方法，其特征在于，包括：

获取含有被阴影遮挡的车道线的图像；

通过对这些图像进行分析，从而得到被阴影遮挡的车道线的共有特征；

利用迁移学习将所述共有特征与未被阴影遮挡的车道线的特征在学习任务中进行融合，从而训练出车道线检测模型；所述车道线的特征包括：车道线的像素分布、车道线的位置、车道线的形状、及车道线跟周围环境的关系中的一种或多种组合；

获取待检测图像；

利用所述车道线检测模型对所述待检测图像中的车道线进行检测，并输出检测结果。

2.根据权利要求1所述的方法，其特征在于，还包括：在所述学习任务中，借助强化学习思想对树影类问题进行有倾向性的训练，从而有针对性地解决树影类问题对车道线检测任务的影响。

3.根据权利要求2所述的方法，其特征在于，所述有倾向性的训练是通过设置学习内容的权重大小来实现的。

4.根据权利要求3所述的方法，其特征在于，所述学习内容包括：对背景图像的学习。

5.一种通过迁移学习缓解车道线检测任务中的树影类问题的系统，其特征在于，包括：

图像获取模块，用于获取含有被阴影遮挡的车道线的图像；

图像分析模块，用于通过对这些图像进行分析，从而得到被阴影遮挡的车道线的共有特征；

模型建立模块，用于利用迁移学习将所述共有特征与未被阴影遮挡的车道线的特征在学习任务中进行融合，从而训练出车道线检测模型；所述车道线的特征包括：车道线的像素分布、车道线的位置、车道线的形状、及车道线跟周围环境的关系中的一种或多种组合；

图像检测模块，用于获取待检测图像；利用所述车道线检测模型对所述待检测图像中的车道线进行检测，并输出检测结果。

6.根据权利要求5所述的系统，其特征在于，所述模型建立模块还用于：在所述学习任务中，借助强化学习思想对树影类问题进行有倾向性的训练，从而有针对性地解决树影类问题对车道线检测任务的影响。

7.根据权利要求6所述的系统，其特征在于，所述有倾向性的训练是通过设置学习内容的权重大小来实现的。

8.根据权利要求7所述的系统，其特征在于，所述学习内容包括：对背景图像的学习。