一种路面标线识别方法及系统
    1.
    发明公开

    公开(公告)号:CN116071725A

    公开(公告)日:2023-05-05

    申请号:CN202310201596.0

    申请日:2023-03-06

    摘要: 本发明属于图像识别技术领域,公开了一种路面标线识别方法及系统。一方面通过将训练样本和待识别样本进行栅格处理和二值化处理,并将处理后的实时路面图像转换为了TTL波形图;另一方面对卷积神经网络模型进行了改进,以图像分类卷积网络HRNet为基线,在整个特征提取过程中保持高分辨率的表示,并逐步增加高分辨率到低分辨率的子网,通过并行连接高到低分辨率卷积流并重复多分辨率融合,语义上更丰富,空间更精确,在提取图像特征信息后融入扩展感受野模块,用于路面标线的高精度分割识别,并在最后阶段添加了注意力机制,使得该网络在保持多尺度提取特征的同时还可以兼顾全局信息的构建,最终实现道路路面标线的高精度像素级识别。

    一种路面标线识别方法及系统

    公开(公告)号:CN116071725B

    公开(公告)日:2023-08-08

    申请号:CN202310201596.0

    申请日:2023-03-06

    摘要: 本发明属于图像识别技术领域,公开了一种路面标线识别方法及系统。一方面通过将训练样本和待识别样本进行栅格处理和二值化处理,并将处理后的实时路面图像转换为了TTL波形图;另一方面对卷积神经网络模型进行了改进,以图像分类卷积网络HRNet为基线,在整个特征提取过程中保持高分辨率的表示,并逐步增加高分辨率到低分辨率的子网,通过并行连接高到低分辨率卷积流并重复多分辨率融合,语义上更丰富,空间更精确,在提取图像特征信息后融入扩展感受野模块,用于路面标线的高精度分割识别,并在最后阶段添加了注意力机制,使得该网络在保持多尺度提取特征的同时还可以兼顾全局信息的构建,最终实现道路路面标线的高精度像素级识别。

    基于深度学习的路面灌缝检测方法、系统、终端及介质

    公开(公告)号:CN117037105B

    公开(公告)日:2024-01-12

    申请号:CN202311264558.6

    申请日:2023-09-28

    摘要: 本发明公开了基于深度学习的路面灌缝检测方法、系统、终端及介质,涉及图像识别技术领域,其技术方案要点是:实时采集目标路面的路面图像数据,路面图像数据包括全局视角下的第一图像数据和局部视角下的第二图像数据;将第一图像数据与第二图像数据中针对同一路面段的图像进行关联;筛选出第一图像数据中的异常图像;从第二图像数据中匹配得到与异常图像关联的目标图像;将目标图像输入预构建的深度学习网络模型,输出得到对目标图像进行路面灌缝检测的检测结果。本发明可降低参与精准识别的图像数量,提高识别效率;将全局视角下和局部视角下的图像关联后进行识别,既可以适应高速(56)对比文件RUI WANG 等.A_Lightweight_High-Resolution_RS_Image_Road_Extraction_Method_Combining_Multi-Scale_and_Attention_Mechanism《.IEEE Access》.2023,108956-108966.王耀东;朱力强;史红梅;方恩权;杨玲芝.基于局部图像纹理计算的隧道裂缝视觉检测技术.铁道学报.2018,(第02期),82-90页.蔡志兴;罗文婷;李林.基于深度学习的路面裂缝自动化识别研究.建材与装饰.2020,(第05期),238-240页.