龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽大学
摘要：本发明公开了一种结合PVT和U‑Net深度学习的道路缺陷检测方法，首先获取原始探地雷达数据集，然后进行数据的预处理，构建标准化的探地雷达图像数据集；然后构建结合PVT和U‑Net的深度学习网络、添加符号距离函数的损失函数，基于损失函数、采用深度学习网络对探地雷达图像数据集中的训练集进行训练，得到训练好的深度学习网络；最后采用训练好的深度学习网络对探地雷达图像数据集中的测试集进行检测，提取到道路缺陷特征。本发明采用结合PVT和U‑Net的深度学习网络，能更好的提取和分割出道路的缺陷特征，并采用添加符号距离函数的损失函数进行训练，有效增强前景背景区域特征的可分性，提高了图像边缘部分的预测精度。
主权项：1.结合PVT和U-Net深度学习的道路缺陷检测方法，其特征在于：具体包括有以下步骤：（1）、获取原始探地雷达数据集，然后进行数据的预处理，构建标准化的探地雷达图像数据集；（2）、构建结合PVT和U-Net的深度学习网络；（3）、构建添加符号距离函数的损失函数，基于损失函数、采用深度学习网络对探地雷达图像数据集中的训练集进行训练，得到训练好的深度学习网络；所述的添加符号距离函数的损失函数的具体见下式（10）： （10）；式（10），为添加符号距离函数的损失函数；代表加权二元交叉熵损失，计算公式见下式（11）；代表加权交互比，计算公式见下式（12）；为均方差损失，计算公式下式（13）；为深度学习网络的预测值，为边界预测图，用于提供目标边界交互信息，的计算公式见下式（14）； （11）； （12）； （13）； （14）；式（11）中，代表真实的道路缺陷背景分割图，代表sigmoid函数；式（12）中，代表加权交集、即真实值和预测值之间的交集，代表加权并集、即真实值和预测值之间的并集，代表权重矩阵，代表对进行池化操作；式（14）中，代表PVT编码模型中stage1、stage2和stage3层输出的多尺度特征图,Conv代表卷积，表示将特征上采样次，代表拼接合并，代表步长为1的的卷积，代表激活函数；（4）、采用训练好的深度学习网络对探地雷达图像数据集中的测试集进行检测，提取到道路缺陷特征。
全文数据：
权利要求：
百度查询： 安徽大学 结合PVT和U-Net深度学习的道路缺陷检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号