[发明专利]车道线分割模型的训练方法、装置、设备及存储介质

权利要求书

1.一种车道线分割模型的训练方法，其特征在于，所述方法包括：

获取车道线的训练图片；

将所述训练图片分别输入第一模型和第二模型进行特征提取，得到第一特征数据和第二特征数据，所述第一模型的模型层数大于所述第二模型；

根据所述第一特征数据和所述第二特征数据得到模仿损失函数；

根据所述车道线的训练图片的标签数据和所述第二特征数据得到分类损失函数；

根据所述模仿损失函数和所述分类损失函数，对所述第二模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征数据和所述第二特征数据得到模仿损失函数，包括：

分别对所述第一特征数据和所述第二特征数据进行特征融合处理，得到第一融合数据和第二融合数据；

根据所述第一融合数据和所述第二融合数据得到所述模仿损失函数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一融合数据和所述第二融合数据得到所述模仿损失函数，包括：

将所述第一融合数据和所述第二融合数据进行差运算，得到特征差；

将所述第一融合数据和所述第二融合数据分别输入至预设的分类网络，得到第一目标数据和第二目标数据；

根据所述特征差、所述第一目标数据和所述第二目标数据得到所述模仿损失函数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述特征差、所述第一目标数据和所述第二目标数据得到所述模仿损失函数，包括：

分别对所述第一目标数据和所述第二目标数据进行最大值运算，得到第一掩模和第二掩模；

根据所述特征差、所述第一掩模和所述第二掩模得到所述模仿损失函数。

5.根据权利要求4所述的方法，其特征在于，所述根据所述特征差、所述第一掩模和所述第二掩模得到所述模仿损失函数，包括：

对所述第一掩模和所述第二掩模进行或运算，得到模仿掩模；

根据所述特征差和所述模仿掩模得到所述模仿损失函数。

6.根据权利要求1所述的方法，其特征在于，所述根据所述车道线的训练图片的标签数据和所述第二特征数据得到分类损失函数，包括：

对所述第二特征数据进行特征融合处理，得到第二融合数据；

将所述第二融合数据分别输入至预设的分类模型，得到模型分类结果；

获取所述车道线训练图片的标签数据；

根据所述模型分类结果和所述标签数据得到所述分类损失函数。

7.根据权利要求1所述的方法，其特征在于，所述第二模型包括全卷积适应层，所述方法还包括：

利用包括所述全卷积适应层的第二模型，对所述训练图片进行特征提取。

8.一种车道线分割模型的训练装置，其特征在于，所述装置包括：

获取模块，用于获取车道线的训练图片；

提取模块，用于将所述训练图片分别输入第一模型和第二模型进行特征提取，得到第一特征数据和第二特征数据，所述第一模型的模型层数大于所述第二模型；

第一处理模块，用于根据所述第一特征数据和所述第二特征数据得到模仿损失函数；

第二处理模块，用于根据所述车道线的训练图片标签数据和所述第二特征数据得到分类损失函数；

训练模块，用于根据所述模仿损失函数和所述分类损失函数，对所述第二模型进行训练。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现权利要求1至7任一项所述的车道线分割模型的训练方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的车道线分割模型的训练方法。