The embodiment of the present invention provides a model training method, a lane line generation method, a device and a storage medium. The embodiment of the present invention trains the generative countermeasure network according to the sample image database and the true value image corresponding to each sample image in the sample image database, obtains the generative countermeasure network model completed by training, and takes the image information of the target lane as the input of the generative model, so that the generated model can predict the lane line in the image information. When the lane in the target lane is incomplete or blurred, the incomplete lane can be generated by the model, which makes the structured data of the target lane complete and improves the accuracy of the electronic map.
【技术实现步骤摘要】
模型训练方法、车道线生成方法、设备及存储介质
本专利技术实施例涉及计算机
,尤其涉及一种模型训练方法、车道线生成方法、设备及存储介质。
技术介绍
当前在生成电子地图时,需要采集行车道的图像信息,并根据该行车道的图像信息分析出行车道的结构化数据,根据该结构化数据生成该行车道的电子地图。但是,在采集行车道的图像信息时,由于实际道路中有些车道线是残缺的、或者是模糊的,导致该图像信息中缺乏相应的车道线,从而导致最终生成的电子地图不够精准。
技术实现思路
本专利技术实施例提供一种模型训练方法、车道线生成方法、设备及存储介质,以提高电子地图的精确度。第一方面,本专利技术实施例提供一种模型训练方法,包括:获取样本图像库,所述样本图像库中的每个样本图像包括车道线;确定所述每个样本图像对应的真值图像,所述真值图像包括所述车道线,所述车道线在所述真值图像中对应第一像素值,所述真值图像中除所述车道线之外的部分对应第二像素值;根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像,对生成式对抗网络进行训练,得到训练完成的所述生成式对抗网络中的生成模型。第二方面,本专利技术实施例提供一种车道线生成方法,包括:将目标车道的图像信息作为生成式对抗网络中的生成模型的输入,以使所述生成模型输出所述图像信息对应的预测图像,所述图像信息对应的预测图像包括所述生成模型在所述图像信息中预测的车道线,所述预测的车道线用于生成所述目标车道的电子地图;其中,所述生成式对抗网络中的生成模型是根据如第一方面所述的方法训练得到的。第三方面,本专利技术实施例提供一种模型训练装置,包括:获取模块,用于获 ...
【技术保护点】
1.一种模型训练方法,其特征在于,包括:获取样本图像库,所述样本图像库中的每个样本图像包括车道线;确定所述每个样本图像对应的真值图像,所述真值图像包括所述车道线,所述车道线在所述真值图像中对应第一像素值,所述真值图像中除所述车道线之外的部分对应第二像素值;根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像,对生成式对抗网络进行训练,得到训练完成的所述生成式对抗网络中的生成模型。
【技术特征摘要】
1.一种模型训练方法,其特征在于,包括:获取样本图像库,所述样本图像库中的每个样本图像包括车道线;确定所述每个样本图像对应的真值图像,所述真值图像包括所述车道线,所述车道线在所述真值图像中对应第一像素值,所述真值图像中除所述车道线之外的部分对应第二像素值;根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像,对生成式对抗网络进行训练,得到训练完成的所述生成式对抗网络中的生成模型。2.根据权利要求1所述的方法,其特征在于,所述样本图像库包括多个集合,每个集合包括至少一个样本图像。3.根据权利要求2所述的方法,其特征在于,所述根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像,对生成式对抗网络进行训练,包括:根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像,对所述生成式对抗网络中的生成模型和判别模型进行迭代训练。4.根据权利要求3所述的方法,其特征在于,所述根据所述样本图像库和所述样本图像库中每个样本图像对应的真值图像,对所述生成式对抗网络中的生成模型和判别模型进行迭代训练,包括:将所述多个集合中一个集合包括的至少一个样本图像和所述至少一个样本图像分别对应的真值图像作为所述生成式对抗网络中生成模型的输入,以使所述生成模型输出所述至少一个样本图像分别对应的预测图像,所述至少一个样本图像分别对应的预测图像包括所述生成模型在所述至少一个样本图像中预测的车道线;根据所述至少一个样本图像分别对应的真值图像和所述至少一个样本图像分别对应的预测图像,计算所述生成模型的损失函数值;若所述生成模型的损失函数值大于预设值,则将所述至少一个样本图像分别对应的预测图像作为所述生成式对抗网络中判别模型的输入,以使所述判别模型确定所述生成模型在所述至少一个样本图像中预测的车道线不是真车道线的概率;根据所述概率,更新所述生成模型的损失函数值;根据所述生成模型更新后的损失函数值,调整所述生成模型的参数值,所述参数值用于所述生成模型输出所述多个集合中下一个集合包括的至少一个样本图像分别对应的预测图像。5.根据权利要求4所述的方法,其特征在于,所述方法还包括:若所述生成模型的损失函数值小于所述预设值,则停止对所述生成式对抗网络中的生成模型和判别模型迭代训练。6.根据权利要求4所述的方法,其特征在于,所述方法还包括:若对所述生成式对抗网络中的生成模型和判别模型已迭代训练的次数大于预设次数,则停止对所述生成式对抗网络中的生成模型和判别模型迭代训练。7.一种车道线生成方法,其特征在于,包括:将目标车道的图像信息作为生成式对抗网络中的生成模型的输入,以使所述生成模型输出所述图像信息对应的预测图像,所述图像信息对应的预测图像包括所述生成模型在所述图像信息中预测的车道线,所述预测的车道线用于生成所述目标车道的电子地图;其中,所述生成式对抗网络中的生成模型是根据如权利要求1-6任一项所述的方法训练得到的。8.一种模型训练设备,其特征在于,包括:存储器;处理器;以及计算机程序;其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以下操作:获取样本图像库,所述样本图像库中的每个样本图像包括车道线;确定所述每...
【专利技术属性】
技术研发人员:沈莉霞,侯瑞杰,何雷,杨光垚,董芳芳,宋适宇,彭亮,
申请(专利权)人:百度在线网络技术北京有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。