买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州大学申请的专利基于超快速结构感知深层网络的改进的车道线检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115690707B 。

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211287914.1，技术领域涉及：G06V20/56；该发明授权基于超快速结构感知深层网络的改进的车道线检测方法是由曹忠;施良玉;尚文利;张曼;韦蕴珊;赵文静;浣沙设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本基于超快速结构感知深层网络的改进的车道线检测方法在说明书摘要公布了：本发明涉及无人驾驶技术领域，且公开了基于超快速结构感知深层网络的改进的车道线检测方法，包括以下步骤：S1、搭建骨干网络；S2、搭建改进的辅助分割网络；S3、搭建改进的基于行的分类预测网络；S4、训练改进的超快速结构感知深层网络。该基于超快速结构感知深层网络的改进的车道线检测方法，解决现有技术方案中车道线识别实际测试中弯道情况的行锚拟合不精准的问题，在保证高速的识别效果情况下，提升网络对图片多尺度特征的训练，同时加入了SE和CBAM两种注意力机制，提高模型在训练过程中对特征图中关键特征的关注度，增强网络识别性能；解决现有技术方案中对于原始数据集图片中车道线缺失部分拟合失准的问题。

本发明授权基于超快速结构感知深层网络的改进的车道线检测方法在权利要求书中公布了：1.基于超快速结构感知深层网络的改进的车道线检测方法，其特征在于，包括以下步骤： S1、搭建骨干网络 S1.1、使用Resnet作为骨干网络获取输入图片的不同维度特征图，作为特征提取器，提升整体模型网络的深度，扩大模型的搜索空间，充分的提取全图的信息； S1.2、将Resnet-18提取的多尺度特征图进行尺寸统一，本文选取的基特征图是第二层输出X2，将Resnet第三层输出X3进行卷积处理后进行上采样提高分辨率为原来的二倍，将Resnet第四层输出X4进行卷积处理后进行上采样提高分辨率为原来的四倍； S2、搭建改进的辅助分割网络 S2.1、将拼接的多尺度的特征图首先进行全局信息嵌入，使用全局平均池化来生成通道统计量将融合的多尺度特征图的空间信息Squeeze到一个通道描述符，在计算上，统计结果Z是由U通过其空间维数H×W收缩产生的，U为融合的多尺度特征图； 利用Squeeze操作聚合的信息，进行Excitation操作，来捕获通道的依赖关系； 具有通道注意力机制的融合结果传入辅助分割网络模型进行处理，用于计算辅助loss值； S2.2、使用交叉熵作为的辅助分割的损失函数，辅助网络作为整个模型的辅助分支，提升网络学习精度，不参与测试计算降低计算复杂度，提高运行速度； S3、搭建改进的基于行的分类预测网络 S3.1、将统一通道数的多尺度的特征图通过CBAM注意力机制进行融合，结果传入基于行的分类网络； S3.2、融合结果使用金字塔池化采用1x1、2x2和3x3三种不同尺寸的pooling操作得到多个尺寸的特征图，并对这些尺寸的特征图再次进行1x1的Conv来减少通道数，然后进行双线性插值进行上采样获得相同尺寸的特征图，在通道上进行拼接； S3.3、将传入融合特征图进行处理后全连接，接下来将全连接层重新塑形后进行网络训练，对车道点的位置关系进行建模，根据车道线的结构构建损失函数进行学习； S4、训练改进的超快速结构感知深层网络 S4.1、将整理好的Tusimple数据集通过改进的深层网络模型进行训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。