申请/专利权人：山东大学

申请日：2024-02-05

公开（公告）日：2024-04-30

公开（公告）号：CN117953221A

主分类号：G06V10/26

分类号：G06V10/26;G06V20/70;G06V10/82;G06V10/36;G06V10/778;G06N3/0455;G06N3/0464;G06N3/082

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：基于显著边缘引导的路面病害图像交互式语义分割数据标注方法：获取路面巡检图像，对路面巡检图像进行降噪，增强病害与背景之间的对比度完成对路面巡检图像预处理；构建以残差SwinTransformer结构为编码器和解码器的U型语义分割网络；构建基本SwinTransformer、图像块切分、线性嵌入层以及图像块合并模块；对获取的道路巡检图像进行初步语义分割训练，得到粗略的路面病害分割模型；根据所训练的路面病害分割模型初步判断路面病害，输入到交互式语义分割模型中促进交互式语义分割模型更新；和人工标注的语义标签相对比，如果达到阈值要求，即停止更新；输出语义标签，完成半自动化标注，完善道路病害预测精度。

主权项：1.基于显著边缘引导的路面病害图像交互式语义分割数据标注方法，其特征为：步骤1，获取路面巡检图像，基于中值滤波方法对路面巡检图像进行降噪，增强病害与背景之间的对比度，完成对路面巡检图像的预处理；步骤2，构建以残差SwinTransformer结构为编码器和解码器的U型语义分割网络；步骤3，构建基本SwinTransformer模块，图像块切分模块、线性嵌入层以及图像块合并模块。其中，切分模块用于增强；步骤4，基于残差思想，构建残差SwinTransformer模块，增强裂缝特征学习的非线性；步骤5，对获取的道路巡检图像进行初步语义分割训练，得到粗略的路面病害分割模型；步骤6，根据所训练的路面病害分割模型初步判断路面病害，输入到交互式语义分割模型中，点击裂缝、坑槽等病害显著边缘信息，促进交互式语义分割模型更新；步骤7，和人工标注的语义标签相对比，如果达到阈值要求，即停止更新；步骤8，输出语义标签，完成半自动化标注，完善道路病害预测精度。

全文数据：

权利要求：

百度查询： 山东大学 一种路面病害图像交互式语义分割数据标注方法及其应用

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD