详情

原文传递路面状态识别方法、装置、终端设备及存储介质

专利名称：	路面状态识别方法、装置、终端设备及存储介质
摘要：	本申请适用于路面监测技术领域，提供了一种路面状态识别方法、装置、终端设备及存储介质，其中该方法包括：获取待识别路面图像；将待识别路面图像输入路面状态识别模型，得到待识别路面图像的路面状态识别结果；路面状态识别模型是利用多个路面图像样本对预设RefNet模型进行训练得到的，RefNet模型包括多个残差模块，残差模块中用于特征学习的卷积单元包括依次连接的第一卷积层、第一激活层和第一卷积层。本申请能在确保路面状态识别率的情况下，提升路面状态识别的实时性。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	深圳先进技术研究院
发明人：	桂启昕;王磊;刘薰裕;程俊
专利状态：	有效
申请日期：	2021-11-10T00:00:00+0800
发布日期：	2022-03-18T00:00:00+0800
申请号：	CN202111328626.1
公开号：	CN114202746A
代理机构：	深圳中一联合知识产权代理有限公司
代理人：	张良
分类号：	G06V20/58;G06K9/62;G06N3/04;G06N3/08;G06V10/774;G06V10/82;G;G06;G06V;G06K;G06N;G06V20;G06K9;G06N3;G06V10;G06V20/58;G06K9/62;G06N3/04;G06N3/08;G06V10/774;G06V10/82
申请人地址：	518055 广东省深圳市南山区西丽大学城学苑大道1068号
主权项：	1.一种路面状态识别方法，其特征在于，包括：获取待识别路面图像；将所述待识别路面图像输入路面状态识别模型，得到所述待识别路面图像的路面状态识别结果；所述路面状态识别模型是利用多个路面图像样本对预设的RefNet模型进行训练得到的，所述RefNet模型包括多个残差模块，所述残差模块中用于特征学习的卷积单元包括依次连接的第一卷积层、第一激活层和第一卷积层。 2.根据权利要求1所述的方法，其特征在于，所述多个残差模块包括依次连接的第一残差模块、三个第二残差模块、三个第三残差模块和第四残差模块。 3.根据权利要求1所述的方法，其特征在于，所述路面状态识别模型的训练过程包括：构建所述RefNet模型；利用所述多个路面图像样本对所述RefNet模型进行训练，得到已训练的RefNet模型；利用TensorRT对已训练的RefNet模型进行加速，得到路面状态识别模型。 4.根据权利要求3所述的方法，其特征在于，所述利用TensorRT对已训练的RefNet模型进行加速，得到路面状态识别模型的步骤，包括：提取所述已训练的RefNet模型的模型参数的路径，并将所述模型参数转换为TensorRT格式的模型参数；将所述路径转换为TensorRT格式的路径；根据所述TensorRT格式的模型参数和所述TensorRT格式的路径，对所述已训练的RefNet模型进行加速，获得路面状态识别模型。 5.根据权利要求4所述的方法，其特征在于，所述根据所述TensorRT格式的模型参数和所述TensorRT格式的路径，对所述已训练的RefNet模型进行加速，获得路面状态识别模型的步骤，包括：将所述多个路面图像样本的任一路面图像样本、所述已训练的RefNet网络、所述TensorRT格式的模型参数和所述TensorRT格式的路径输入TensorRT加速器，得到路面状态识别模型。 6.根据权利要求1所述的方法，其特征在于，所述残差模块还包括第二卷积层和第二激活层；所述第二激活层的输入端与所述第二卷积层的输出端连接，所述第二激活层的输出端与所述卷积单元的输入端连接。 7.根据权利要求1所述的方法，其特征在于，所述残差模块还包括第三卷积层和第三激活层；所述第三激活层的输入端与所述卷积单元的输出端连接，所述第三激活层的输出端与所述第三卷积层的输入端连接。 8.一种路面状态识别装置，其特征在于，包括：获取模块，用于获取待识别路面图像；识别模块，用于将所述待识别路面图像输入路面状态识别模型，得到所述待识别路面图像的路面状态识别结果；所述路面状态识别模型是利用多个路面图像样本对预设的RefNet模型进行训练得到的，所述RefNet模型包括多个残差模块，所述残差模块中用于特征学习的卷积单元包括依次连接的第一卷积层、第一激活层和第一卷积层。 9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。 10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
所属类别：	发明专利