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！

龙图腾网获悉西安电子科技大学申请的专利基于渐进式特征对齐的无监督域适应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：CN116416590B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310383741.1，技术领域涉及：G06V20/56；该发明授权基于渐进式特征对齐的无监督域适应车道线检测方法是由韩冰;周洋;王海桐;高新波;施道典设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本基于渐进式特征对齐的无监督域适应车道线检测方法在说明书摘要公布了：本发明公开了一种基于渐进式特征对齐的无监督域适应车道线检测方法，主要解决现有技术在未标注现实场景下车道线检测精度下降的问题。其实现方案是：1获取源域和目标域数据；2构建由图像级特征对齐网络、实例级特征对齐网络和现有的车道线检测网络UFLD组成的域适应车道线检测网络DA‑UFLD；3构建DA‑UFLD的总损失函数；4将所获数据同时作为DA‑UFLD的输入，以总损失函数收敛为目标，训练DA‑UFLD，并在训练中渐进式完成图像级特征和实例级特征的提取和对齐；5利用训练好的DA‑UFLD在未标注场景下完成车道线检测。本发明显著提高了未标注现实场景下车道线检测的精度，可用于辅助驾驶和自动驾驶。

本发明授权基于渐进式特征对齐的无监督域适应车道线检测方法在权利要求书中公布了：1.一种基于渐进式特征对齐的无监督域适应车道线检测方法，其特征在于，包括如下步骤： 1获取源域和目标域的训练数据集和测试数据集，其中源域训练数据集具有标签，目标域训练数据集没有标签； 2构建域适应车道线检测网络DA-UFLD： 2a建立依次由第一级图像级域判别器卷积块、梯度反转层和第二级图像级域判别器的级联组成的图像级特征对齐网络分支； 2b建立依次由平均池化层、卷积块、梯度反转层和实例级域判别器的级联组成的实例级特征对齐网络分支； 2c将图像级特征对齐网络分支和实例级特征对齐网络分支与现有的超快结构化车道线检测网络UFLD中的主干网络第三个卷积块相并联，构成域适应车道线检测网络DA-UFLD； 3构建域适应车道线检测网络DA-UFLD总损失函数L: 3a计算图像级域判别特征，将其与域标签构成图像级特征的域分类损失函数Limg； 3b获取实例级域判别特征，将其与域标签构成实例级特征的域分类损失函数Lins； 3c使用图像级域判别特征和实例级域判别特征构成一致性与差异性联合正则化函数Lcst； 3d使用图像级特征的域分类损失函数Limg、实例级特征的域分类损失函数Lins、一致性与差异性联合正则化函数Lcst和现有的车道线检测网络UFLD检测损失函数Ldet，构建总损失函数：L＝Limg+Lins+Lcst+Ldet； 4利用源域训练数据集和目标域训练数据集作为DA-UFLD的输入，采用反向传播法对其训练，直到损失函数L收敛，得到训练好的域适应车道线检测网络DA-UFLD； 5将目标域测试数据集输入到训练好的域适应车道线检测网络DA-UFLD中，得到车道线检测结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。