原文传递
一种基于语义分割的桥梁路面裂缝检测和分割方法
| 专利名称： | 一种基于语义分割的桥梁路面裂缝检测和分割方法 |
| 摘要： | 本文发明属于计算机视觉、深度学习领域；具体涉及一种基于语义分割的桥梁路面裂缝检测和分割方法，对数据集中的样本进行人工的语义分割，制作训练样本的标签；其次，通过数据增强对数据集中的图像数量进行扩充；然后，将准备好的训练集输入FC‑DenseNet103网络模型进行训练，最后利用采集到的测试集的裂缝图像进行裂缝提取；传统的裂缝检测大多采用边缘检测、形态学或者阈值化等方法，需要人为设置和调整参数，目前已知的深度学习方法均建立在受噪声影响小，裂缝目标清晰的基础上，低估了桥梁路面图像的复杂程度，难以满足工程应用的需要；本发明结合语义分割算法提供了一种适用于复杂背景下的桥梁路面裂缝自动检测和分割方法。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 陕西;61 |
| 申请人： | 陕西师范大学 |
| 发明人： | 李良福;孙瑞赟 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810309151.3 |
| 公开号： | CN108520516A |
| 代理机构： | 西安智萃知识产权代理有限公司 61221 |
| 代理人： | 李炳辉 |
| 分类号： | G06T7/00(2017.01)I;G06T7/10(2017.01)I;G06N3/04(2006.01)I;G;G06;G06T;G06N;G06T7;G06N3;G06T7/00;G06T7/10;G06N3/04 |
| 申请人地址： | 710119 陕西省西安市长安区西长安街620号陕西师范大学（长安校区） |
| 主权项： | 1.一种基于语义分割的桥梁路面裂缝检测和分割方法，其特征在于：包括以下步骤：步骤一：数据集采集，通过对沿路面裂缝方向连续拍照，得到裂缝图像样本，并人工的制作相应的标签，对所述裂缝图像进行语义分割标注，对裂缝图像中裂缝标注为一种单一颜色，裂缝图像中裂缝之外的所有干扰物以及背景全部设置为另一种统一的单一颜色；对数据集进行扩增，并将扩增后数据集随机分类为训练集与测试集；步骤二：将训练集中裂缝图像分次输入FC‑Densenet103网络模型进行训练，具体方法如下：步骤1：将训练集中裂缝图像进行一次3*3的卷积；步骤2：并将卷积结果输入包含4个layers层的DenseBlock模块；步骤3：将所述步骤2结果进行Transition Down操作，降低裂缝图像分辨率；步骤4：将所述DenseBlock模块layers层数量依次设置为5层、7层、10层、12层，依次重复4次步骤2与步骤3；步骤5：将所述步骤4的结果输入由15个layers组成的Bottleneck，完成全部下采样，并进行多个特征的连接操作；步骤6：将上层输出结果输入由Transition Up和DenseBlock组成的上采样通道，DenseBlock对应下采样中的layers层数为12层；步骤7：将所述步骤6中DenseBlock的layers层数依次设为10、7、5、4，重复4次步骤6；步骤8：对所述步骤7的输出结果进行1*1卷积操作；步骤9：将所述步骤8结果输入softmax层进行判断，输出裂缝与非裂缝的概率；步骤三：所述步骤二训练完成后，通过训练好的FC‑Densenet103网络模型对测试集中裂缝图像进行测试，得到测试结果。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
