摘要
本发明公开了一种基于雷达图谱的城市道路病害检测方法,包括基于高斯模糊前后的图像进建立高斯模糊图像层,对图像层进行差分处理,选择合适层级的差分图像叠加在原图中以增强图像的特征表现;在单步多框探测模型的浅层网络部分增加反卷积层,将图像高层的语义信息融入到低层网络的特征信息中,并且在低层网络中增加卷积层进行深层特征提取,根据特征图所处的层级不同进行有选择性的特征融合,采用分步联合式训练策略,先对检测准确率较低的病害数据集进行训练得到初步的训练权重,然后选择检测该病害类型性能最优的权重作为预训练权重训练检测全部病害类型的神经网络。本发明,有助于提高道路图谱中目标病害的识别准确性。
技术关键词
高斯模糊图像
病害检测方法
城市道路
图谱
卷积特征
雷达
深层特征提取
神经网络模型
原始图像数据
语义
层级
病害特征
图像像素
网络结构
策略
尺寸
坐标
系统为您推荐了相关专利信息
污水处理设备
时序特征
管理系统
历史监测数据
深度神经网络模型
场景知识图谱
入侵检测方法
语义
编码器
生成训练样本
运动想象脑电数据
解码方法
解码模型
电信号
GAN网络模型
金融交易风险
金融市场数据
二维卷积神经网络
多层感知器
图谱
道路指示牌
识别模块
交通管理效率
深度学习框架
车道