【技术实现步骤摘要】
一种路面裂缝图像交互式智能标注方法
[0001]本专利技术涉及道路工程检测养护领域，特别是一种路面裂缝图像交互式智能标注方法。
技术介绍
[0002]随着经济发展，我国的道路里程在不断增加，截止到2020年末，全国公路总里程519.81万公里，公路密度54.15公里/百平方公里。但是随着道路里程的增加，随之而来的是日益增长的道路病害，在繁重的车辆荷载和多变的道路环境作用下，路面表面不断出现各种路面裂缝、坑槽等病害，大大降低了行车舒适性和安全性。由于路面裂缝是常见的路面病害，因此及时的道路裂缝检测维修十分重要。
[0003]近年来基于深度学习的计算机视觉方法被不断用于路面裂缝的自动化检测中，为了提高路面裂缝的识别精度，通常采用监督学习完成路面裂缝的识别、定位工作。但是由于深度学习模型的参数众多，因此需要大量的数据用于路面裂缝分割模型的训练。路面裂缝像素级语义分割模型需要大量的人工标注数据集，目前的像素级裂缝分割任务中对于输入标注图像的质量要求很高，需要耗费大量的人工进行路面裂缝的像素级标注。但是人工标注缺乏智能化、自动...
【技术保护点】
【技术特征摘要】
1.一种路面裂缝图像交互式智能标注方法，其特征在于，包括以下步骤：步骤1、建立VGG19
‑
Unet路面裂缝交互式语义分割模型；步骤2、将已标注裂缝的种子点和裂缝原图像及裂缝分割二值图作为VGG19
‑
Unet路面裂缝交互式语义分割模型的输入；步骤3、进行VGG19
‑
Unet路面裂缝交互式语义分割模型的训练，生成目标裂缝区域内的种子候选点；步骤4、计算已标注裂缝的种子点和目标裂缝区域内的种子候选点的坐标误差，对VGG19
‑
Unet路面裂缝交互式语义分割模型进行误差反向传播训练，不断缩小已标注裂缝的种子点和目标裂缝区域内的种子候选点之间的误差，从而完成目标裂缝区域内的种子候选点的训练；步骤5、将步骤4得到的目标裂缝区域内的种子候选点按照相似性原则进行目标裂缝区域生长，对目标裂缝区域进行分割，从而生成VGG19
‑
Unet路面裂缝交互式语义分割模型；步骤6、利用步骤5生成的VGG19
‑
Unet路面裂缝交互式语义分割模型，完成路面裂缝交互式智能标注任务。2.根据权利要求1所述的一种路面裂缝图像交互式智能标注方法，其特征在于，步骤5中进行目标裂缝区域生长的过程如下：若目标裂缝区域内的种子候选点四邻域的灰度差不大于预设灰度差阈值，则进行目标裂缝区域的生长，扩充新的目标裂缝区域及新的目标裂缝区域内的种子候选点；然后将扩充后新的目标裂缝区域内所有裂缝种子候选点按照四邻域原则进行灰度差计算，遍历完目标裂缝区域内的所有点，进而结束目标裂缝区域生长。3.根据权利要求1所述的一种路面裂缝图像交互式智能标注方法，其特征在于，步骤6中，利用步骤5生成的VGG19
‑
Unet路面裂缝交互式语义分割模型，形成交互种子点，完成路面裂缝交互式智能标注...
【专利技术属性】
技术研发人员：马涛，钟靖涛，朱俊清，张伟光，呼延菊，张娟秀，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。