[发明专利]一种基于对抗生成网络的路面裂缝缺陷检测方法

权利要求书

1.一种基于对抗生成网络的路面裂缝缺陷检测方法，其特征在于，包括如下步骤：

S1、将图像数据X输入至生成器并生成与裂缝标签Y对应的赝品标签Y’；

S2、将图像数据X和赝品标签Y’在通道上进行连接，传输至辨别器并输出第一结果G_n；

S3、将图像数据X和裂缝标签Y在通道上进行连接，传输至辨别器并输出第二结果G_p；

S4、训练辨别器判断G_p为真，G_n为假，并将判断假的部分反向传播调整生成器参数；

S5、更换所述图像数据X并重复步骤S1-S4对生成器和辨别器重复训练，直到辨别器无法判别G_p为真，G_n为假；

S6、训练完成后，固定生成器参数，将要检测的图片输入生成器，输出一个1280*1280*1的得分矩阵，然后通过阈 值进行过滤，得出检测结果；

所述步骤S4中训练辨别器判断G_p为真，G_n为假，并将判断假的部分反向传播调整生成器参数的具体方法为：

S4.1、训练辨别器判断输入图像数据是图像数据X和赝品标签Y’对应的每个第一patch单元的输出为0，判断输入图像数据是图像数据X和裂缝标签Y对应的每个第二patch单元的输出为1；

S4.2、计算得到辨别器损失D_loss和生成器损失G_loss；

S4.3、固定生成器的参数，并采用自适应学习率的梯度下降算法反向传播，调整辨别器的参数来减少辨别器损失D_loss；

S4.4、固定辨别器的参数，并采用自适应学习率的梯度下降算法反向传播，调整生成器的参数减少生成器损失G_loss。

2.根据权利要求1所述的一种基于对抗生成网络的路面裂缝缺陷检测方法，其特征在于，在将图像数据X输入至生成器之前，先将所述图像数据X的大小调整为1280*1280。

3.根据权利要求1所述的一种基于对抗生成网络的路面裂缝缺陷检测方法，其特征在于，所述生成器是编解码器结构，包括编码器、解码器和瓶颈模块，所述编码器和所述解码器通过所述瓶颈模块连接。

4.根据权利要求3所述的一种基于对抗生成网络的路面裂缝缺陷检测方法，其特征在于，所述编码器均连续采用卷积核为5*5、跨度为2的卷积、批标准化batchnorm函数和修正线性激活relu函数的方式进行特征提取和降维；所述解码器均连续采用卷积核为5*5、跨度为2的反卷积、批标准化batchnorm函数和修正线性激活relu函数的方式进行特征解码和升维；瓶颈模块由8个残差模块级联组成，在所述解码器的输出位置接一个卷积核为1*1，跨度为1的卷积层，在所述卷积层后接批标准化batchnorm函数和S型归一化激活sigmoid函数作为所述生成器的输出。

5.根据权利要求4所述的一种基于对抗生成网络的路面裂缝缺陷检测方法，其特征在于，所述步骤S1中图像数据X输入至生成器并生成与裂缝标签Y相对应的赝品标签Y’的具体过程为：

S1.1、将图像数据X输入至编码器，所述编码器对所述图像数据X进行连续卷积，以此提取特征和降维，生成特征图；

S1.2、将所述特征图通过U-NET架构的直连shortcut方法传递至所述解码器的相应解码层；

S1.3、所述解码器对所述瓶颈模块的输出或连接后的特征图进行连续反卷积，以对所述连接后的特征图解码和升维得到赝品标签Y’。

6.根据权利要求1所述的一种基于对抗生成网络的路面裂缝缺陷检测方法，其特征在于，所述辨别器为全卷积结构的分类器，连续采用卷积核为5*5、跨度为2的卷积、批标准化batchnorm函数和修正线性激活relu函数的方式对所述辨别器的输入图像数据进行特征提取和降维得到特征图；当所述特征图形状为40*40*512时，采用卷积核为1*1、跨度为1的卷积、批标准化batchnorm函数和S型归一化激活sigmoid函数的方式生成40*40*1分类矩阵，所述分类矩阵将所述输入图像数据等比例划分成40*40的patch单元，每个所述patch单元负责32*32的相关像素区域的真假。