公开(公告)号：CN114596291A

公开(公告)日：2022-06-07

申请号：CN202210243277.1

申请日：2022-03-11

Applicant: 西安交通大学

Inventor： 张雪涛 ,  郑博涵 ,  聂明显 ,  张奇

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于深度学习和自注意力机制的道路缺陷检测方法，1、选取包含纵向裂纹、横向裂纹、网状裂纹、坑陷的公开道路缺陷数据集，并划分出训练集、验证集和测试集；2、基于单阶段目标检测方法搭建道路缺陷检测神经网络模型，网络最终输出为图像上预测的缺陷类别以及位置；3、使用训练集训练道路缺陷检测神经网络模型，得到道路缺陷检测模型；4、对于输入的道路图像，采用道路缺陷检测模型得到多个检测结果，再将重复的检测结果使用非极大值抑制算法过滤，最终得到图像中道路缺陷的类别以及位置。本发明基于自注意力机制，通过不同阶段特征图的融合提高了道路缺陷检测的精度，解决道路缺陷尺寸和形状变化大影响检测平均准确率的问题。

公开(公告)号：CN114596291B

公开(公告)日：2024-08-16

申请号：CN202210243277.1

申请日：2022-03-11

Applicant: 西安交通大学

Inventor： 张雪涛 ,  郑博涵 ,  聂明显 ,  张奇

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习和自注意力机制的道路缺陷检测方法，1、选取包含纵向裂纹、横向裂纹、网状裂纹、坑陷的公开道路缺陷数据集，并划分出训练集、验证集和测试集；2、基于单阶段目标检测方法搭建道路缺陷检测神经网络模型，网络最终输出为图像上预测的缺陷类别以及位置；3、使用训练集训练道路缺陷检测神经网络模型，得到道路缺陷检测模型；4、对于输入的道路图像，采用道路缺陷检测模型得到多个检测结果，再将重复的检测结果使用非极大值抑制算法过滤，最终得到图像中道路缺陷的类别以及位置。本发明基于自注意力机制，通过不同阶段特征图的融合提高了道路缺陷检测的精度，解决道路缺陷尺寸和形状变化大影响检测平均准确率的问题。

公开(公告)号：CN116363527A

公开(公告)日：2023-06-30

申请号：CN202310381671.6

申请日：2023-04-11

Applicant: 西安交通大学

Inventor： 张奇 ,  路遥 ,  王飞 ,  沈黎 ,  张筱晗 ,  张雪涛

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于交互特征感知的遥感图像变化检测方法，包含以下步骤：1、选取经过配准的公开遥感变化检测数据集，对数据集进行预处理；2、搭建基于编码器‑解码器的遥感变化检测模型，在编码器使用变化特征交互层，在解码器使用对称式变化特征融合层，模型最终输出变化检测二值化预测结果；3、构建并计算损失函数，并进行反向传播；4、将训练集和验证集输入至搭建的遥感变化检测网络中进行训练,得到训练好的遥感变化检测模型；5、利用训练好的遥感变化检测模型得到测试集中每个样本的预测结果，通过比对预测结果和标签，计算指标。本发明可以实现通过一对配准的遥感图像，预测出在这一对图像中发生变化的像素。