-
公开(公告)号：CN111311538A
公开(公告)日：2020-06-19
申请号：CN201911384987.0
申请日：2019-12-28
申请人： 北京工业大学
摘要： 本发明公开了一种基于卷积神经网络的多尺度轻量化道路路面检测方法，基于VGG和Xception的设计思路，设计了一种全新的CNN结构，MobileCrack，应用于路面裂缝的自动识别。主要结构为堆叠的Core Module和全局平均池化层。具体实施步骤为：使用人工方法对原始破损路面进行采集；批量裁剪、人工标定、数据增强、数据集制作、基于卷积神经网络模型建立即CNN构架——MobileCrack；训练与测试，将处理好的路面数据训练集输入到搭建的神经网络中进行训练，并且做准确度、灵敏度分析。本方法能够根据图像尺度变化调节网络结构，提升其对于多尺度图像的适应性和分类精度。且为MobileCrack的结构提供了相当的灵活度，能够自由地在准确度、运行时间和储存大小三者间进行权衡。
-
公开(公告)号：CN111310558A
公开(公告)日：2020-06-19
申请号：CN201911384980.9
申请日：2019-12-28
申请人： 北京工业大学
摘要： 本发明公开了一种基于深度学习和图像处理法的路面病害智能提取方法，该方法包括深度学习(DL)部分和图像处理技术(IPT)部分。图像处理技术方法包括路面裂缝图像预处理；基于匀光算法的图像增强；图像分割；图像后处理；裂缝类型判断和评估。本发明计算出裂缝长度为像素长度。因此，若要获得图像中裂缝的真实长度，应该知道一幅图像中裂缝的真实长度和计算出来的像素长度，根据二者比值就可以计算出其他图像中的裂缝长度，由此可以将计算出来的长度与实际长度进行对比，从而了解计算精度。本发明能够根据真实的现场照片提取路面裂缝骨架，可以用于智能路面结构健康监测。
-
公开(公告)号：CN111311538B
公开(公告)日：2023-06-06
申请号：CN201911384987.0
申请日：2019-12-28
申请人： 北京工业大学
IPC分类号： G06T7/00 , G06T7/10 , G06T3/40 , G06T3/60 , G06N3/0464
摘要： 本发明公开了一种基于卷积神经网络的多尺度轻量化道路路面检测方法，基于VGG和Xception的设计思路，设计了一种全新的CNN结构，MobileCrack，应用于路面裂缝的自动识别。主要结构为堆叠的Core Module和全局平均池化层。具体实施步骤为：使用人工方法对原始破损路面进行采集；批量裁剪、人工标定、数据增强、数据集制作、基于卷积神经网络模型建立即CNN构架——MobileCrack；训练与测试，将处理好的路面数据训练集输入到搭建的神经网络中进行训练，并且做准确度、灵敏度分析。本方法能够根据图像尺度变化调节网络结构，提升其对于多尺度图像的适应性和分类精度。且为MobileCrack的结构提供了相当的灵活度，能够自由地在准确度、运行时间和储存大小三者间进行权衡。
-
-
-
搜索结果
4 条记录 (耗时 0.019 秒)
