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！

龙图腾网获悉电子科技大学申请的专利一种基于自注意力的车道线语义分割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：CN119888231B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510063426.X，技术领域涉及：G06V10/26；该发明授权一种基于自注意力的车道线语义分割方法是由李文;韩世蛟;梁晓琴;段立新设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于自注意力的车道线语义分割方法在说明书摘要公布了：本发明提供了一种基于自注意力的车道线语义分割方法，首先进行数据采集与预处理，然后基于ERFnet神经网络模型实现二值语义分割，最后根据二值语义分割图，基于改进的DeepLabV3Plus模型，进行最终的多目标语义分割，ERFnet负责初步的粗粒度分割，快速分离车道线和背景，而改进的DeepLabV3Plus则进一步细化分割结果，通过引入区域自注意力单元和通道自注意力单元，增强了模型对局部和全局特征的捕捉能力。本发明方案通过结合ERFnet和改进的DeepLabV3Plus模型，不仅提高了分割的准确性和泛化能力，而且保持了实时性，实现了车道线的实时和高精度分割，对多变的复杂路况具有较强的适应性。

本发明授权一种基于自注意力的车道线语义分割方法在权利要求书中公布了：1.一种基于自注意力的车道线语义分割方法，其特征在于，所述方法包括： 步骤S1：进行数据采集与预处理，获取车载摄像头所采集的视频流，将所得的视频流按照固定的帧数间隔截取图片并对车道线进行标注，并对原始图片数据集进行标准化处理； 步骤S2：训练ERFnet神经网络模型，基于训练后的ERFnet神经网络模型实现对图像数据的二值语义分割，具体为：将步骤S1处理后的图像数据划分为批次，批次数据首先送入ERFnet模型的卷积层进行特征提取，然后残差连接块将特征提取后的二维特征拆分为两个一维卷积，分别在水平方向和垂直方向上进行特征提取，接着残差连接操作将经过处理的特征图与原始输入特征图融合，生成一组特征图，最后这些特征图通过全连接层进一步处理，并经过Softmax激活函数将每个像素点的概率分布映射到对应的类别标签，生成二值语义分割结果； 步骤S3：根据步骤S2输出的二值语义分割图，基于改进的DeepLabV3Plus模型，进行最终的多目标语义分割，具体包括： 步骤S31：对改进的DeepLabV3Plus模型进行训练； 步骤S32：训练后的模型的区域自注意力单元将原始特征图与ERFnet模型生成的车道线-背景二分类权重掩膜进行内积得到车道线区域语义特征，并通过1×1卷积对这些特征进行线性变换，生成查询、键和值向量，通过计算查询向量与键向量的相似度，生成区域注意力权重矩阵； 步骤S33：将区域注意力权重矩阵与值向量进行加权计算，得到更加精细的车道线区域特征并输入模型的Xception网络，Xception网络使用深度卷积和逐点卷积分别对输入的特征图进行独立卷积； 步骤S34：ASPP将多个不同尺寸的空洞卷积核并行使用，对Xception输出的特征图进行不同尺度的提取特征，并通过全局平均池化进一步捕捉全局上下文信息； 步骤S35：通道自注意力单元将Xception输入的特征通过两次一维卷积操作分别降低其高度和宽度维度，并通过非线性映射进一步优化，然后计算压缩后的查询向量与键向量的点积以生成通道注意力权重矩阵，并将通道注意力权重矩阵作用于值向量以完成加权操作，加权后的通道特征与原始特征逐元素相加，形成新的特征图； 步骤S36：特征融合模块将通道自注意力模块输出的高维特征与ASPP模块输出的低维特征进行融合，再通过多尺度目标推理模块在不同尺度上对融合后的特征进行多次缩放和分割，得到最终的语义分割结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。

以上内容由龙图腾AI智能生成。