一种基于深度学习的车道线识别方法

基于深度学习和语义分割的车道线识别方法能够对车道线图片进行端到端的识别,能够适应复杂多变的车道环境。本文设计了一种基于深度学习和语义分割的车道线识别模型,该模型以Segnet为基础,由编码器和解码器两部分组成。编码器采用4级下采样结构,主要由卷积层和最大池化层组成,并将PRelu函数作为卷积层的激活函数,该函数能有效提高网络的拟合能力,并降低过拟合分险;解码器采用4级上采样结构,主要由上采样层、卷积层和批标准化层组成。为解决车道线图片中车道线和背景像素点数量严重不平衡的问题,使用加权交叉熵函数计算网络的损失值,并用MFB算法确定权值。最后,在tuSimple数据集上进行了验证,在大量实验的基础上,通过对交叉熵函数权值进行修正,获得了良好的识别效果和较高的鲁棒性。