原文传递
一种基于深度学习图像分类的道路破损检测方法及装置
| 专利名称： | 一种基于深度学习图像分类的道路破损检测方法及装置 |
| 摘要： | 本发明公开了一种基于深度学习图像分类的道路破损检测方法及装置，该方法包括以下步骤：第一步，采集不同道路场景类型图像和位置信息，形成样本图像集，并标记所述道路场景类型；第二步，标记所述道路场景类型；第三步，根据需要选择分类网络模型，进行模型的训练工作；第四步，将待检测道路的图像输入训练好的深度神经网络模型，得到分类结果；第五步，如果分类结果为道路破损类型，确认采集图像所对应的路段位置信息，输出所述道路破损类型和所述位置信息的提示信息。该方法提高了道路破损检测的准确率，不需要设置检测的阈值，实时性高，安装位置选择多样化。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 南京行者易智能交通科技有限公司 |
| 发明人： | 林坚;韩晓春 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810546096.X |
| 公开号： | CN108765404A |
| 分类号： | G06T7/00(2017.01)I;G06N3/08(2006.01)I;G06K9/62(2006.01)I;G;G06;G06T;G06N;G06K;G06T7;G06N3;G06K9;G06T7/00;G06N3/08;G06K9/62 |
| 申请人地址： | 210014 江苏省南京市秦淮区永智路6号南京白下高新技术产业园区四号楼B栋F23(423)室 |
| 主权项： | 1.一种基于深度学习图像分类的道路破损检测方法，其特征在于，包括如下具体步骤：第一步，采集不同道路场景类型图像和位置信息，形成样本图像集；第二步，标记所述道路场景类型；第三步，根据需要选择分类网络，进行模型的训练工作，构建深度神经网络模型；第四步，将待检测道路的图像输入训练好的所述深度神经网络模型，得到分类结果；第五步，如果分类结果为道路破损类型，确认采集图像所对应的路段位置信息，输出所述道路破损类型和所述位置信息的提示信息。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
