申请/专利权人：南京中设航空科技发展有限公司

申请日：2021-12-07

公开（公告）日：2024-06-28

公开（公告）号：CN114170511B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.03.29#实质审查的生效;2022.03.11#公开

摘要：本发明公开了一种基于CascadeRCNN的路面裂缝病害识别方法，通过多层神经网络与双分支混合结构的检测头进行病害问题的定位和识别，泛化能力强，识别精度高，双分支混合结构的检测头将定位任务与分类任务进行解耦，并通过自学习系数加权融合的方式处理全连接层支路和卷积层支路独立提取的高维语义特征，有效提升了网络识别能力和定位精度，能够实现歧义难分路面裂缝病害的准确分类，从而综合提高检测识别的精确度，在工业缺陷检测、小目标检测等领域具有广阔的应用背景。

主权项：1.基于CascadeRCNN的路面裂缝病害识别方法，其特征在于，包括以下步骤：步骤1：基于CascadeRCNN构建路面裂缝病害识别网络，包括特征提取骨干网络、区域提名网络和融合检测头网络；特征提取骨干网络用于提取道路表面特征图，区域提名网络用于根据提取的道路表面特征图生成若干候选目标区域，候选目标区域的特征图作为融合检测头网络的输入；融合检测头网络包括全连接支路和卷积层支路，全连接支路用于提取路面高维语义特征以实现裂缝病害分类，卷积层支路用于捕获空间位置信息和高维语义信息以实现裂缝病害定位；步骤2：为路面裂缝病害识别网络构建联合损失函数；步骤3：采集若干包含不同类型裂缝病害的路面图像，并分别标注裂缝病害类别及对应病害在图像中的位置，构建路面裂缝病害样本集；步骤4：利用路面裂缝病害样本集和联合损失函数训练路面裂缝病害识别网络；步骤5：将待识别路面图像输入到训练完成的路面裂缝病害识别网络中，得到一系列病害分类得分和对应的病害位置信息，并根据病害位置信息获取病害在待识别路面图像中的包围框；步骤6：对获取的包围框进行筛选，将筛选后的包围框及其对应的类别作为最终结果；融合检测头网络对目标区域的定位包括三个阶段，第一阶段通过融合检测头网络得到候选目标区域的位置调整参数，第二阶段将候选目标区域的特征图和第一阶段得到的位置调整参数联合输入融合检测头网络中获取第二阶段的位置调整参数，第三阶段将候选目标区域的特征图和第二阶段的位置调整参数联合输入融合检测头网络中获取最终的位置调整参数；步骤6中，使用软化非极大值抑制算法对获取的包围框进行筛选，通过一个非线性函数分别将每个包围框与分类得分最高的包围框间的交并比映射为包围框得分，设定得分阈值，将包围框得分大于得分阈值的包围框及其对应的类别作为最终结果；所述非线性函数为： 其中，Bi为第i个包围框BBox_i的包围框得分，iouBBox_i,M表示BBox_i与分类得分最高的包围框M间的交并比，Si为第i个包围框对应的分类得分，ρ为修正系数。

全文数据：

权利要求：

百度查询： 南京中设航空科技发展有限公司 基于Cascade RCNN的路面裂缝病害识别方法

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