申请/专利权人:广东工业大学
申请日:2024-04-29
公开(公告)日:2024-06-25
公开(公告)号:CN118247759A
主分类号:G06V20/56
分类号:G06V20/56;G06V10/82;G06N3/0464;G06N3/048;G06N3/08;G06V10/764;G06V10/40
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明提供了一种基于深度学习的道路破损预警方法,包括以下步骤:S101、构建道路破损数据集,或使用现有公开道路破损数据集:道路破损数据集通过在汽车上安装摄像头,在路面上行驶过程中进行采集,采集得到的图像数据通过人工进行标注,使用标注工具将破损位置框选并进行类型标注;S102、对道路破损数据集中的所有图像预处理,进行双边滤波操作,得到处理后的道路破损数据集;本发明通过在FCB模块和FCP模块中,对其中的卷积层进行部分卷积,和对池化层的改进,可以快速地提取道路破损图像的特征,增强道路破损预警模型处理复杂的道路场景的能力,减少道路破损图像特征冗余,在CSAttention模块中,引入了通道注意力机制,模型简单,运行速度快。
主权项:1.一种基于深度学习的道路破损预警方法,其特征在于,包括以下步骤:S101、构建道路破损数据集,或使用现有公开道路破损数据集:道路破损数据集通过在汽车上安装摄像头,在路面上行驶过程中进行采集,采集得到的图像数据通过人工进行标注,使用标注工具将破损位置框选并进行类型标注;S102、对道路破损数据集中的所有图像预处理,进行双边滤波操作,得到处理后的道路破损数据集:道路破损图像经过双边滤波处理后,道路破损特征更加明显,同时图像整体也变得更加平滑;S103、构建了一种道路破损预警模型,将预处理后的道路破损图像输入道路破损预警模型中:道路破损预警模型用于对道路上的破损位置和破损类型进行检测;S104、对道路破损数据集进行划分,然后对道路破损预警模型进行训练与验证;S105、道路破损预警模型训练完后,应用道路破损预警模型检测道路破损,对道路有破损的区域及时进行预警。
全文数据:
权利要求:
百度查询: 广东工业大学 一种基于深度学习的道路破损预警方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。