【技术实现步骤摘要】
本申请涉及数据增强，尤其涉及一种车道线数据增强的方法和计算机程序产品。
技术介绍
1、车道线检测模型是深度学习模型，在进行训练时需要如白天、黑夜、晴天或阴天等各种不同场景下的大量训练数据。然而，某些如雨天、雾天、沙尘或暴雪等场景，环境危险，数据采集较难实现。
技术实现思路
1、本申请实施例提供一种车道线数据增强的方法和计算机程序产品，以解决相关技术存在的问题，技术方案如下：
2、第一方面，本申请实施例提供了一种车道线数据增强的方法，包括：
3、以采集的第一风格的车道线图像为原始数据样本，使用第一生成式对抗网络进行风格迁移，得到第二风格的车道线图像；
4、使用第二生成式对抗网络对所述第二风格的车道线图像进行增强处理，得到目标数据样本。
5、第二方面，本申请实施例提供了一种计算机程序产品，计算机程序/指令被一个处理器单独执行时或多个处理器配合执行时实现本公开的实施例提供的任意一项方法。
6、上述技术方案中的优点或有益效果至少包括：
7、基于采集的第一风格的车道线图像为原始数据样本，使用两阶生成式对抗网络先进行风格迁移再进行增强处理，能够得到第二风格的目标数据样本，实现了车道线数据的增强，尤其是在第二风格的车道线图像较难采集的情况下，极大地扩充了车道线数据集，提高了数据集的丰富性和全面性。
8、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参
本文档来自技高网...【技术保护点】
1.一种车道线数据增强的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述以采集的第一风格的车道线图像为原始数据样本，使用第一生成式对抗网络进行风格迁移，得到第二风格的车道线图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述损失函数包括车道线损失函数、对抗损失函数、循环一致性损失函数和感知损失函数中的至少一种。
4.根据权利要求2所述的方法，其特征在于，所述风格迁移训练还包括：
5.根据权利要求2所述的方法，其特征在于，所述风格迁移训练还包括：
6.根据权利要求2所述的方法，其特征在于，所述风格迁移训练还包括：
7.根据权利要求1所述的方法，其特征在于，所述使用第二生成式对抗网络对所述第二风格的车道线图像进行增强处理，得到目标数据样本，包括：
8.根据权利要求7所述的方法，其特征在于，所述由所述判别器判别所述增强后的第二风格的车道线图像的真实性，包括：
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述第一风格的车道线图像标注有标签，所述目标数据
10.根据权利要求1-8中任一项所述的方法，其特征在于，所述目标数据样本用于作为训练数据对车道线检测模型进行训练。
11.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被一个处理器单独执行时或多个处理器配合执行时实现权利要求1至10中任意一项所述的方法。
...【技术特征摘要】
1.一种车道线数据增强的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述以采集的第一风格的车道线图像为原始数据样本，使用第一生成式对抗网络进行风格迁移，得到第二风格的车道线图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述损失函数包括车道线损失函数、对抗损失函数、循环一致性损失函数和感知损失函数中的至少一种。
4.根据权利要求2所述的方法，其特征在于，所述风格迁移训练还包括：
5.根据权利要求2所述的方法，其特征在于，所述风格迁移训练还包括：
6.根据权利要求2所述的方法，其特征在于，所述风格迁移训练还包括：
7.根据权利要求1所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：李谦，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
类型：发明
国别省市：
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。