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。