-
公开(公告)号:CN115880557B
公开(公告)日:2023-05-30
申请号:CN202310187660.4
申请日:2023-03-02
IPC分类号: G06V10/80 , G06V10/44 , G06V10/42 , G06V20/70 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要: 本发明涉及计算机技术领域,尤其涉及一种基于深度学习的路面裂缝提取方法和装置。该方法包括:获取待提取的路面图像;将待提取的路面图像输入到训练好的裂缝提取模型中,得到待提取的路面图像的路面裂缝提取结果,裂缝提取模型是利用标签路面图像对预设的深度学习网络进行训练得到的,深度学习网络包括编码网络、一级特征融合网络、解码网络和二级特征融合网络,编码网络加强路面图像的上下文特征,一级特征融合网络将由编码网络输出的特征中不同感受野的特征进行特征融合,解码网络将编码网络和一级特征融合网络输出的特征进行特征融合,二级特征融合网络将解码网络和一级特征融合网络输出的特征进行特征融合,以得到路面裂缝提取结果。
-
公开(公告)号:CN115880557A
公开(公告)日:2023-03-31
申请号:CN202310187660.4
申请日:2023-03-02
IPC分类号: G06V10/80 , G06V10/44 , G06V10/42 , G06V20/70 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要: 本发明涉及计算机技术领域,尤其涉及一种基于深度学习的路面裂缝提取方法和装置。该方法包括:获取待提取的路面图像;将待提取的路面图像输入到训练好的裂缝提取模型中,得到待提取的路面图像的路面裂缝提取结果,裂缝提取模型是利用标签路面图像对预设的深度学习网络进行训练得到的,深度学习网络包括编码网络、一级特征融合网络、解码网络和二级特征融合网络,编码网络加强路面图像的上下文特征,一级特征融合网络将由编码网络输出的特征中不同感受野的特征进行特征融合,解码网络将编码网络和一级特征融合网络输出的特征进行特征融合,二级特征融合网络将解码网络和一级特征融合网络输出的特征进行特征融合,以得到路面裂缝提取结果。
-