[发明专利]小样本循环一致性引导的桥梁多类型损伤通用识别方法及系统

权利要求书

1.一种小样本循环一致性引导的桥梁多类型损伤通用识别方法，其特征在于，包括以下步骤：

步骤S1，对预设桥梁损伤类型进行数据对齐，将数据对齐后的数据集划分为支持集和查询集；

步骤S2，利用所述支持集和所述查询集建立小样本循环一致性引导的桥梁多类型损伤通用识别模型；

步骤S3，利用所述小样本循环一致性引导的桥梁多类型损伤通用识别模型计算所述查询集的第一损失值；

步骤S4，利用所述小样本循环一致性引导的桥梁多类型损伤通用识别模型，并引入循环一致，计算所述支持集的第二损失值；

步骤S5，基于所述第一损失值和所述第二损失值计算所述小样本循环一致性引导的桥梁多类型损伤通用识别模型的综合损失，再通过误差反向传播算法进行更新模型，直到模型收敛。

2.根据权利要求1所述的小样本循环一致性引导的桥梁多类型损伤通用识别方法，其特征在于，所述步骤S1具体包括：

步骤S101，定义所述预设桥梁损伤类型，将桥梁多类型损伤图像和与其对应的多通道像素级标注进行数据对齐，形成小样本数据集；

步骤S102，将所述小样本数据集随机划分为互斥的支持集和查询集。

3.根据权利要求1所述的小样本循环一致性引导的桥梁多类型损伤通用识别方法，其特征在于，所述步骤S3具体包括：

步骤S301，将所述支持集的原始图像输入所述小样本循环一致性引导的桥梁多类型损伤通用识别模型的编码器中进行特征提取，获得高层级特征图，同时与之对应的多通道像素级标注图像经过与编码器相同层级的下采样模块，获得掩码图；

步骤S302，将所述掩码图与所述高层级特征图进行逐元素地乘积运算，再进行全局平均池化，得到特征向量簇；

步骤S303，将所述查询集的原始图像输入所述小样本循环一致性引导的桥梁多类型损伤通用识别模型的编码器，获得相应的高层级特征图，将所述特征向量簇按损伤类型通道方向拆分成多个特征向量，逐点计算每个特征向量与所述查询集的原始图像的高层级特征图的余弦相似度张量；

步骤S304，将所述余弦相似度张量按损伤类型通道方向进行逐通道拆分和通道扩充，与所述查询集的原始图像的高层级特征图进行逐元素相乘，获得对应多个损伤类型和特征图；然后按规定的损伤类型顺序逐个经过与编码器具有反对称结构的解码器，获得所述查询集的原始图像的预测结果，与所述查询集的多通道像素级标注计算第一损失值。

4.根据权利要求3所述的小样本循环一致性引导的桥梁多类型损伤通用识别方法，其特征在于，所述步骤S4具体包括：

对所述余弦相似度张量沿损伤类型通道方向做softmax运算，获得所述查询集的原始图像的像素级标注的独热编码，然后以所述查询集的原始图像及其多通道像素级标注的独热编码、所述支持集的原始图像为输入，以所述支持集中与原始图像对应的多通道像素级标注图像作为真实值，重复步骤S302至步骤S304，获得所述支持集的原始图像的预测结果，与所述支持集的多通道像素级标注计算第二损失值。

5.根据权利要求3所述的小样本循环一致性引导的桥梁多类型损伤通用识别方法，其特征在于，所述余弦相似度张量的计算公式为：

其中，N为损伤类型通道总数，i为索引序号，Vⁱ为特征向量簇的第i个通道，F_(a,b)为查询集的原始图像经过编码器后得到的高层级特征图在平面位置(a,b)处对应的向量，‖‖₂为向量取模运算，D为余弦相似度张量，(H′,W′)为H’×W’的平面。

6.根据权利要求4所述的小样本循环一致性引导的桥梁多类型损伤通用识别方法，其特征在于，所述独热编码的计算公式为：

其中，N为损伤类型通道总数，i为索引序号，MaxIndicator表示执行以下运算：将一个向量各元素中具有最大数值的位置赋值为1，其余位置赋值为0；exp为取指数运算；为余弦相似度张量在平面位置(a,b)处第i个通道对应的余弦相似度数值；为在平面位置(a,b)处第i个通道对应的独热编码，(H′,W′)为H’×W’的平面。