-
公开(公告)号:CN116612120B
公开(公告)日:2023-10-10
申请号:CN202310889965.X
申请日:2023-07-20
申请人: 山东高速工程检测有限公司 , 山东省交通运输事业服务中心
IPC分类号: G06T7/00 , G06T7/62 , G06T7/73 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要: 本发明属于道路自动检测领域,本发明提出一种针对数据不平衡的两阶段式道路缺陷检测方法,采集道路原始图像数据,获得道路原始图像数据集,对其存在道路缺陷的区域进行人工标注,分别建立检测模型和分类模型,并进行训练;将实时道路图像输入训练后的检测模型和分类模型中,输出缺陷的位置信息与类别信息,将所述缺陷的位置信息和缺陷类别信息融合,获得道路缺陷的实时检测结果。本申请将一段式模型拆成两段式,完全解耦,支持独立调优。为了消弭解耦后分类网络训练和推理过程中输入图像的差异,引入了半监督训练。本申请引入focal loss进一步提升数据不平衡下的模型性能。
-
公开(公告)号:CN116612120A
公开(公告)日:2023-08-18
申请号:CN202310889965.X
申请日:2023-07-20
申请人: 山东高速工程检测有限公司 , 山东省交通运输事业服务中心
IPC分类号: G06T7/00 , G06T7/62 , G06T7/73 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要: 本发明属于道路自动检测领域,本发明提出一种针对数据不平衡的两阶段式道路缺陷检测方法,采集道路原始图像数据,获得道路原始图像数据集,对其存在道路缺陷的区域进行人工标注,分别建立检测模型和分类模型,并进行训练;将实时道路图像输入训练后的检测模型和分类模型中,输出缺陷的位置信息与类别信息,将所述缺陷的位置信息和缺陷类别信息融合,获得道路缺陷的实时检测结果。本申请将一段式模型拆成两段式,完全解耦,支持独立调优。为了消弭解耦后分类网络训练和推理过程中输入图像的差异,引入了半监督训练。本申请引入focal loss进一步提升数据不平衡下的模型性能。
-