[发明专利]一种基于YOLOv3深度学习的混凝土裂缝识别方法在审
| 申请号： | 201910558541.9 | 申请日： | 2019-06-26 |
| 公开（公告）号： | CN110175658A | 公开（公告）日： | 2019-08-27 |
| 发明（设计）人： | 申永刚;俞臻威;张仪萍;温作林 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G01N21/88 |
| 代理公司： | 重庆市信立达专利代理事务所(普通合伙) 50230 | 代理人： | 包晓静 |
| 地址： | 310000 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于混凝土结构损伤检测技术领域，公开了一种基于YOLOv3深度学习算法的多目标裂缝识别方法，将裂缝图像导入YOLOv3模型，图像被自动压缩为416×416像素分辨率；采用类似FPN的上采样和特征融合方式，将原始图像按特征图的尺度大小划分为S×S网格；以候选框与真实框的交并比作为评价标准，对图像训练集的所有裂缝目标标注框使用K‑means聚类分析，以获得候选框的大小；通过逻辑回归对每个边界框预测该框包含目标的概率。本发明简化了网络训练的复杂性，降低了运算成本；对多目标进行快速准确识别，快速实现目标检测的同时又获得了远优于其它模型的准确率，具有更强的鲁棒性和泛化能力，更加适合工程应用环境。 | ||
| 搜索关键词： | 多目标 候选框 混凝土结构 混凝土裂缝 图像训练集 像素分辨率 工程应用 聚类分析 裂缝识别 裂缝图像 逻辑回归 目标检测 评价标准 损伤检测 特征融合 网络训练 学习算法 原始图像 运算成本 自动压缩 边界框 标注框 鲁棒性 上采样 特征图 准确率 网格 裂缝 尺度 图像 概率 预测 学习 | ||
【主权项】：
1.一种基于YOLOv3深度学习的混凝土裂缝识别方法，其特征在于，所述基于YOLOv3深度学习的混凝土裂缝识别方法采用YOLOv3中的Darknet‑53网络作为特征提取器，将目标检测作为回归问题处理，基于一个单独的端到端神经网络模型直接进行目标区域定位及目标类别预测；将裂缝图像导入YOLOv3，图像被自动压缩为416×416像素分辨率；采用类似FPN的上采样和特征融合方式，将原始图像按特征图的尺度大小划分为S×S网格；以候选框与真实框的交并比作为评价标准，对图像训练集的所有裂缝目标标注框使用K‑means聚类分析，以获得候选框的大小；YOLOv3对每个边界框通过逻辑回归预测该框包含目标的概率。
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浙江大学，未经浙江大学许可，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/201910558541.9/，转载请声明来源钻瓜专利网。
