[发明专利]路面病害检测网络训练方法、装置、设备及存储介质

权利要求书

1.一种路面病害检测网络训练方法，其特征在于，所述方法包括：

获取多张路面样本图像以及对应的多组边缘真值矩阵和区域真值矩阵；所述边缘真值矩阵的每一元素对应于一个边缘网格，所述边缘真值矩阵中每一元素的取值表示对应的边缘网格中是否具有指定路面病害，所述区域真值矩阵中每一行元素对应于一个病害区域，所述区域真值矩阵每一行中的元素取值表示对应的病害区域的外接矩形坐标；其中，所述边缘网格由所述路面样本图像按照固定尺寸分割得到，所述病害区域依据所述路面样本图像中属于指定路面病害的区域的最小外接矩形得到；

将多张所述路面样本图像输入原始检测网络，得到对应的边缘预测矩阵和区域预测矩阵；

根据所述边缘真值矩阵和所述边缘预测矩阵，得到边缘识别损失函数值，并根据所述区域真值矩阵和所述区域预测矩阵，得到区域识别损失函数值；

根据所述边缘识别损失函数值和所述区域识别损失函数值，调整所述原始检测网络的网络参数，得到目标联合检测网络。

2.根据权利要求1所述的方法，其特征在于，所述根据所述边缘真值矩阵和所述边缘预测矩阵，得到边缘识别损失函数值，并根据所述区域真值矩阵和所述区域预测矩阵，得到区域识别损失函数值，包括：

根据第一公式、所述边缘真值矩阵和所述边缘预测矩阵，得到所述边缘识别损失函数值，并根据第二公式、所述区域真值矩阵和所述区域预测矩阵，得到所述区域识别损失函数值；其中，所述第一公式为：

其中，loss1为所述边缘识别损失函数值，为所述边缘真值矩阵的矩阵向量，为所述边缘预测矩阵的矩阵向量，ε为预设常数以避免分母为0；

所述第二公式为：

其中，loss2为所述区域识别损失函数值，为所述区域真值矩阵的矩阵向量，为所述区域预测矩阵的矩阵向量。

3.根据权利要求1所述的方法，其特征在于，所述根据所述边缘识别损失函数值和所述区域识别损失函数值，调整所述原始检测网络的网络参数，得到目标联合检测网络，包括：

根据所述边缘识别损失函数值和所述区域识别损失函数值，得到总损失函数值；

根据所述总损失函数值，调整所述网络参数，并更新所述原始检测网络；

返回执行所述将多张所述路面样本图像输入所述原始检测网络，得到对应的边缘预测矩阵和区域预测矩阵，并得到对应的总损失函数值，直至所述总损失函数值达到最小；

根据最小的总损失函数值调整所述网络参数，得到所述目标联合检测网络。

4.根据权利要求3所述的方法，其特征在于，所述根据所述总损失函数值，调整所述网络参数，并更新所述原始检测网络，包括：

根据第三公式和所述总损失函数值，调整所述网络参数，并更新所述原始检测网络；

其中，所述第三公式为：

其中，w_i+1为调整后的网络参数，w_i为调整前的网络参数，为多张所述路面样本图像对应总损失函数值的算数平均值，η为常系数。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述边缘识别损失函数值和所述区域识别损失函数值，调整所述原始检测网络的网络参数，得到目标联合检测网络之后，所述方法还包括：

获取待测路面图像；

将所述待测路面图像输入所述目标联合检测网络，得到对应的边缘识别结果矩阵和区域识别结果矩阵；

根据所述边缘识别结果矩阵和所述区域识别结果矩阵，得到所述待测路面图像的路面病害检测结果。

6.根据权利要求5所述的方法，其特征在于，所述将所述待测路面图像输入所述目标联合检测网络，得到对应的边缘识别结果矩阵和区域识别结果矩阵，包括：

将所述待测路面图像输入所述目标联合检测网络，以使所述目标联合检测网络根据所述待测路面图像，划分得到多个边缘网格和至少一个病害区域，并根据多个所述边缘网格，生成所述边缘识别结果矩阵，以及根据至少一个所述病害区域，生成所述区域识别结果矩阵。