[发明专利]路面裂缝检测的方法、装置及系统在审
申请号: | 201910374004.9 | 申请日: | 2019-05-07 |
公开(公告)号: | CN110197477A | 公开(公告)日: | 2019-09-03 |
发明(设计)人: | 徐国胜;徐国爱;罗铃 | 申请(专利权)人: | 北京邮电大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 钭飒飒;刘芳 |
地址: | 100876 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 特征图 路面裂缝检测 路面图像 目标检测 网络模型 检测 装置及系统 输入编码器 裂缝图像 微小裂缝 准确度 不均衡 错误率 重构 样本 放大 网络 输出 分割 | ||
1.一种路面裂缝检测的方法,其特征在于,包括:
获取待检测路面图像;
将所述待检测路面图像输入编码器,获得多个特征图;
将所述特征图作为目标检测网络模型的输入,其中所述目标检测网络模型是指:根据所述特征图的放大特征图、缩小特征图,计算所述特征图对应的总损失误差;
通过所述目标检测网络模型输出所述待检测路面图像对应的目标裂缝图像。
2.根据权利要求1所述的方法,其特征在于,将所述待检测路面图像输入编码器,获得多个特征图,包括:
通过所述编码器对所述待检测路面图像进行卷积处理,并将卷积处理的图像输入归一层和激活层,得到多个特征图;其中,所述编码器采用多个下采用级,且每个下采样级包括多个卷积层。
3.根据权利要求1或2所述的方法,其特征在于,通过所述目标检测网络模型输出所述待检测路面图像对应的目标裂缝图像之前,还包括:
构建初始检测网络模型,所述构建初始检测网络模型包括解码分支和分割分支;所述解码分支包括多个级联的上采样级;其中上采样级包括:2D转置卷积层、归一层、激活层,其中:所述2D转置卷积层用于对输入的特征图进行上采样得到所述放大特征图,所述归一层用于预设输出的所述放大特征图的尺寸,所述激活层用于输出具有非线性映射增强表达的所述放大特征图;所述解码分支用于输出所述特征图对应的放大特征图,并根据所述待检测路面图像计算得到重构损失误差;所述分割分支包括至少2个连续下采样级,用于输出所述特征图对应的缩小特征图,并根据预设标准特征图计算得到分割损失误差;
以总损失误差为评价目标,通过训练数据集训练所述初始检测网络模型,得到所述目标检测网络模型。
4.根据权利要求3所述的方法,其特征在于,所述总损失误差包括:
重构损失误差rec_loss和分割损失误差seg_loss;
所述总损失误差hinge loss=a*rec_loss+b*seg_loss;其中:a表示重构损失误差的损失值占总损失值的比例;b表示分割损失误差的损失值占总损失值的比例。
5.根据权利要求4所述的方法,其特征在于,通过所述目标检测网络模型输出所述待检测路面图像对应的目标裂缝图像,包括:
若检测到所述总损失误差的损失值收敛或小于预设阈值,则所述目标检测网络模型将所述分割损失误差对应的缩小特征图作为目标裂缝图像输出。
6.一种路面裂缝检测的装置,其特征在于,包括:
获取模块,用于获取待检测路面图像;
编码模块,用于将所述待检测路面图像输入编码器,获得多个特征图;
检测模块,用于将所述特征图作为目标检测网络模型的输入,其中所述目标检测网络模型是指:根据所述特征图的放大特征图、缩小特征图,计算所述特征图对应的总损失误差;
输出模块,用于通过所述目标检测网络模型输出所述待检测路面图像对应的目标裂缝图像。
7.根据权利要求6所述的装置,其特征在于,所述编码模块,具体用于:
通过所述编码器对所述待检测路面图像进行卷积处理,并将卷积处理的图像输入归一层和激活层,得到多个特征图;其中,所述编码器采用多个下采用级,且每个下采样级包括多个卷积层。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学,未经北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910374004.9/1.html,转载请声明来源钻瓜专利网。