[发明专利]基于深度神经网络的路面裂缝检测模型构建及检测方法有效
| 申请号： | 201910208224.4 | 申请日： | 2019-03-19 |
| 公开（公告）号： | CN110070520B | 公开（公告）日： | 2022-09-30 |
| 发明（设计）人： | 李伟;呼延菊;肖力炀;沙爱民;孙朝云;苏姗;翟军治;徐政超;陈瑶 | 申请（专利权）人： | 长安大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/08;G06N3/04 |
| 代理公司： | 西安恒泰知识产权代理事务所 61216 | 代理人： | 李郑建 |
| 地址： | 710064 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度卷积神经网络的路面裂缝检测模型的构建及检测方法，具包括：获取不同路面背景下的路面裂缝图像集，使用不同角度的sigmoid曲线进行特征提取，获得特征图；将特征图作为输入，将所述的的标签作为输出，训练神经网络，获得路面裂缝检测模型；其中，神经网络包括依次设置的特征提取层和分类层。再将待检测路面图像输入到检测模型中，输出路面裂缝检测结果。实现对不同背景环境下修补和未修补的路面裂缝进行检测分类的目的，具有较高的检测分类精度。 | ||
| 搜索关键词： | 基于 深度 神经网络 路面 裂缝 检测 模型 构建 方法 | ||
【主权项】：
1.基于深度神经网络的路面裂缝检测模型的构建方法，其特征在于，包括以下步骤：步骤1，获取不同路面背景下的路面裂缝图像集；根据不同的路面背景和裂缝情况对路面裂缝图像集加注标签，获得路面裂缝图像标签集；步骤2，对每一幅路面裂缝图像使用n种不同角度的sigmoid曲线进行特征提取，最终获得n×m个特征图，n≥4，m为路面裂缝图像集中的图像个数；步骤3，将步骤2获得的特征图作为输入，将步骤一中的标签作为输出，训练神经网络，获得路面裂缝检测模型；其中，所述的神经网络包括依次设置的特征提取层和分类层。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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长安大学，未经长安大学许可，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/patent/201910208224.4/，转载请声明来源钻瓜专利网。
