公开(公告)号：CN117934473B

公开(公告)日：2024-05-28

申请号：CN202410332734.3

申请日：2024-03-22

Applicant: 成都信息工程大学

Inventor： 钟剑丹 ,  詹裕浩 ,  陈春衫 ,  李英祥 ,  李铭哲 ,  刘苈乐 ,  姜虹羽 ,  刘凌峰 ,  黄鹏程

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的公路隧道表观裂缝检测方法，属于图像数据处理技术领域，包括构造数据集；构造包含LKA层、SCA层的S‑LKA网络；选取一目标检测网络，用S‑LKA网络替换骨干网络中的C3模块，得到一基于S‑LKA注意力的目标检测网络，并用数据集训练得到目标识别模型；从公路和隧道表面获取待识别的裂缝图像，输入目标识别模型中进行目标识别。本发明在保持特征图分辨率并且提高感受野的同时，能够更好地适应背景复杂、干扰较多的裂缝对象，结合两种注意力机制可以有效解决复杂背景下道路裂缝难检测的问题，提高了道路裂缝检测精度。

公开(公告)号：CN117934473A

公开(公告)日：2024-04-26

申请号：CN202410332734.3

申请日：2024-03-22

Applicant: 成都信息工程大学

Inventor： 钟剑丹 ,  詹裕浩 ,  陈春衫 ,  李英祥 ,  李铭哲 ,  刘苈乐 ,  姜虹羽 ,  刘凌峰 ,  黄鹏程

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的公路隧道表观裂缝检测方法，属于图像数据处理技术领域，包括构造数据集；构造包含LKA层、SCA层的S‑LKA网络；选取一目标检测网络，用S‑LKA网络替换骨干网络中的C3模块，得到一基于S‑LKA注意力的目标检测网络，并用数据集训练得到目标识别模型；从公路和隧道表面获取待识别的裂缝图像，输入目标识别模型中进行目标识别。本发明在保持特征图分辨率并且提高感受野的同时，能够更好地适应背景复杂、干扰较多的裂缝对象，结合两种注意力机制可以有效解决复杂背景下道路裂缝难检测的问题，提高了道路裂缝检测精度。