预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998580A(43)申请公布日2022.09.02(21)申请号202210434313.2G06K9/62(2022.01)(22)申请日2022.04.24G06V10/82(2022.01)G06N3/04(2006.01)(71)申请人长安大学G06N3/08(2006.01)地址710064陕西省西安市雁塔区南二环路中段(72)发明人蒋玮单金焕肖晶晶吴旺杰李鹏飞袁东东(74)专利代理机构西安通大专利代理有限责任公司61200专利代理师房鑫(51)Int.Cl.G06V10/26(2022.01)G06V10/40(2022.01)G06V10/764(2022.01)G06V10/80(2022.01)权利要求书2页说明书6页附图10页(54)发明名称基于DeepLabV3+网络模型的裂缝语义分割方法(57)摘要本发明提供基于DeepLabV3+网络模型的裂缝语义分割方法,能够有效提高沥青路面裂缝语义分割的准确性,提升了网络整体的裂缝预测性能。裂缝语义分割方法具体包括如下步骤:采用并联的普通卷积、空洞卷积和可变形卷积对待检测裂缝图像进行编码;通过双线性插值对编码后的待检测裂缝图像进行解码;通过像素点渲染对解码后的待检测裂缝图像进行重点像素点重构;对重构后的待检测裂缝图像进行分类预测,获得裂缝分割结果。CN114998580ACN114998580A权利要求书1/2页1.一种基于DeepLabV3+网络模型的裂缝语义分割方法,其特征在于,包括如下步骤:采用并联的普通卷积、空洞卷积和可变形卷积对待检测裂缝图像进行编码;通过双线性插值对编码后的待检测裂缝图像进行解码;通过像素点渲染对解码后的待检测裂缝图像进行重点像素点重构;对重构后的待检测裂缝图像进行分类预测,获得裂缝分割结果。2.根据权利要求1所述的一种基于DeepLabV3+网络模型的裂缝语义分割方法,其特征在于,所述采用并联的普通卷积、空洞卷积和可变形卷积对待检测裂缝图像进行编码前,还包括:先采用Backbone网络对待检测裂缝图像进行初步特征提取,再对初步提取的特征进行多尺度卷积完成进一步特征提取。3.根据权利要求1所述的一种基于DeepLabV3+网络模型的裂缝语义分割方法,其特征在于,所述可变形卷积包括在普通卷积的基础上对每一个采样位置增加一个可学习的二维偏移。4.根据权利要求1所述的一种基于DeepLabV3+网络模型的裂缝语义分割方法,其特征在于,所述采用并联的普通卷积、空洞卷积和可变形卷积对待检测裂缝图像进行编码,还包括:采用并联的普通卷积、空洞卷积和可变形卷积对待检测裂缝图像进行特征提取后,对不同卷积提取的特征进行融合。5.根据权利要求1所述的一种基于DeepLabV3+网络模型的裂缝语义分割方法,其特征在于,所述通过像素点渲染对解码后的待检测裂缝图像进行重点像素点重构包括:在解码后待检测裂缝图像的网格上选取N个不确定像素点,通过组合待检测裂缝图像的低层特征和高层特征在选取的不确定像素点上重新构造逐点特征。6.根据权利要求1所述的一种基于DeepLabV3+网络模型的裂缝语义分割方法,其特征在于,所述重点像素点重构后,还包括:对重点像素点进行多层感知机学习。7.一种基于DeepLabV3+网络模型的裂缝语义分割系统,其特征在于,基于权利要求1‑6中任一项所述的裂缝语义分割方法,包括:编码模块,用于采用并联的普通卷积、空洞卷积和可变形卷积对待检测裂缝图像进行编码;解码模块,用于通过双线性插值对编码后的待检测裂缝图像进行解码;像素点渲染模块,用于通过像素点渲染对解码后的待检测裂缝图像进行重点像素点重构;裂缝分割结果输出模块,用于对重构后的待检测裂缝图像进行分类预测,获得裂缝分割结果。8.根据权利要求7所述的一种基于DeepLabV3+网络模型的裂缝语义分割系统,其特征在于,所述编码模块还包括Backbone网络模块,所述Backbone网络模块用于对待检测裂缝图像进行初步特征提取,再对初步提取的特征进行卷积完成进一步特征提取。9.根据权利要求7所述的一种基于DeepLabV3+网络模型的裂缝语义分割系统,其特征2CN114998580A权利要求书2/2页在于,所述编码模块包括可变形卷积模块,所述可变形卷积模块用于在普通卷积的基础上对每一个采样位置增加一个可学习的二维偏移。10.根据权利要求7所述的一种基于DeepLabV3+网络模型的裂缝语义分割系统,其特征在于,所述像素点渲染模块还包括MLP模块,所述MLP模块用于对重点像素点进行多层感知机学习。3CN114998580A说明书1/6页基于DeepLabV3+网络模型的裂缝语义分割方法技术领域[0001]本发明涉及图像语义分割技术领域