[发明专利]基于二值化网络检测可行驶区域的方法、系统及存储介质

权利要求书

1.一种基于二值化网络检测可行驶区域的方法，其特征在于，所述方法包括：

获取多种道路场景视频，对所述道路场景视频进行预处理以形成训练集和测试集；

创建条件生成对抗网络CGAN；

将所述条件生成对抗网络CGAN转化为基于二值化条件的所述条件生成对抗网络CGAN；

采用所述训练集训练基于二值化条件的所述条件生成对抗网络CGAN并采用所述测试集测试基于二值化条件的所述条件生成对抗网络CGAN；

采用训练好的所述条件生成对抗网络CGAN根据实际的道路视频检测所述可行驶区域；

将所述条件生成对抗网络CGAN转化为基于二值化条件的所述条件生成对抗网络CGAN具体包括：

根据公式(1)确定基于二值化条件的所述条件生成对抗网络CGAN的二值化激活值，

其中，a_b为所述二值化激活值，a_r为实值激活值；

根据公式(2)确定基于二值化条件的所述条件生成对抗网络CGAN的二值化权重，

其中，w_b为所述二值化权重，w_r为实际权重。

2.根据权利要求1所述的方法，其特征在于，对所述道路场景视频进行预处理以形成训练集和测试集具体包括：

将所述道路场景视频处理为单个帧的图像；

对所述图像进行标定、训练、校正和旋转变换中的至少一者以形成图像数据集；

将所述图像数据集划分为训练集和测试集。

3.根据权利要求2所述的方法，其特征在于，对所述图像进行标定、训练、校正和旋转变换中的至少一者以形成图像数据集具体包括：

采用AutoCAD选取与所述图像中的环境颜色不同的色彩对所述图像进行标定。

4.根据权利要求1所述的方法，其特征在于，所述条件生成对抗网络CGAN包括生成模型、判别模型和设置于所述生成模型和判别模型之间的特征提取层；

创建条件生成对抗网络CGAN具体包括在生成模型和判别模型的建模中均引入条件变量；

所述生成模型包括生成器网络，所述生成器网络包括：

全局生成器，包括全局前端卷积层、全局残差块和全局转置卷积后端；

局部生成器，包括局部前端卷积层、局部残差块以及局部转置卷积后端。

5.根据权利要求4所述的方法，其特征在于，所述全局前端卷积层包括1个大小为6*6的卷积核和5个大小为3*3的卷积核，所述全局前端卷积层的激活函数为Relu函数且偏移步长为1；

所述全局残差块包括7个大小为3*3的卷积核；

所述全局转置卷积后端包括6层InstanceNorm-ReLU层，且每层所述InstanceNorm-ReLU层包括512、128、64个大小为3*3的卷积核，所述全局转置卷积后端的偏移步长为1/2；

所述局部前端卷积层包括1个大小为6*6的卷积核和2个大小为3*3的卷积核；

所述局部残差块包括2个3*3的卷积核；

所述局部转置卷积后端包括1个3*3的卷积核，且所述局部转置卷积后端的激活函数为Relu函数，偏移步长为1；

所述特征提取层包括大小为3*3卷积核，所述特征提取层的偏移步长为1；

所述判别模型包括判别网络，所述判别网络包括4层Convolution-InstanceNorm-LeakyReLU层，且每层所述Convolution-InstanceNorm-LeakyReLU层包括64、128、256、512个大小为4*4的卷积核，所述Convolution-InstanceNorm-LeakyReLU层的偏移步长为2，所述Convolution-InstanceNorm-LeakyReLU层的激活函数为LeakyReLU函数，且所述LeakyReLU函数的斜率为0.2。

6.一种基于二值化网络检测可行驶区域的系统，其特征在于，所述系统包括处理器，所述处理器用于执行如权利要求1至5任一所述的方法。