公开(公告)号：CN115035065B

公开(公告)日：2025-05-02

申请号：CN202210660658.X

申请日：2022-06-13

Applicant: 常州大学

Inventor： 徐守坤 ,  钟梅嘉 ,  李宁 ,  庄丽华 ,  石林 ,  袁宝华 ,  刘毅 ,  黄河 ,  顾玉宛 ,  王雪元

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/776 ,  G06N3/08 ,  G06N3/048

Abstract: 本发明公开了一种基于深度学习的道路裂缝检测方法，包括：获取多个道路裂缝图片，将多个所述道路裂缝图片划分为训练集、验证集和测试集；搭建U‑Net网络，所述U‑Net网络具有编码部分和解码部分，编码部分和解码部分各有5层；利用边缘细化模块取代所述编码部分中传统的双层卷积结构，每层包含3个边缘细化模块，在所述U‑Net网络的底部设计基于注意力机制的多尺度融合模块，在所述解码部分的第2、3、4层分别设计融合优化模块，得到改进U‑Net网络；将训练集和验证集加载到所述改进U‑Net网络进行训练和验证，保存效果最好的模型；用所述效果最好的模型对所述测试集中的道路裂缝图片进行测试，得到测试结果。它可以减少道路裂缝漏检误检现象。

公开(公告)号：CN115035065A

公开(公告)日：2022-09-09

申请号：CN202210660658.X

申请日：2022-06-13

Applicant: 常州大学

Inventor： 徐守坤 ,  钟梅嘉 ,  李宁 ,  庄丽华 ,  石林 ,  袁宝华 ,  刘毅 ,  黄河 ,  顾玉宛 ,  王雪元

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的道路裂缝检测方法，包括：获取多个道路裂缝图片，将多个所述道路裂缝图片划分为训练集、验证集和测试集；搭建U‑Net网络，所述U‑Net网络具有编码部分和解码部分，编码部分和解码部分各有5层；利用边缘细化模块取代所述编码部分中传统的双层卷积结构，每层包含3个边缘细化模块，在所述U‑Net网络的底部设计基于注意力机制的多尺度融合模块，在所述解码部分的第2、3、4层分别设计融合优化模块，得到改进U‑Net网络；将训练集和验证集加载到所述改进U‑Net网络进行训练和验证，保存效果最好的模型；用所述效果最好的模型对所述测试集中的道路裂缝图片进行测试，得到测试结果。它可以减少道路裂缝漏检误检现象。