一种基于TransUnet模型的道路病害检测方法技术

本发明专利技术公开了一种基于TransUnet模型的道路病害检测方法，涉及深度学习技术领域，该方法包括以下步骤：获取待检测道路图像；将待检测道路图像输入至TransUnet模型中，输出分割图像；根据分割图像确定道路病害区域。本发明专利技术的TransUnet模型以Unet网络为框架，融合了CNN层以及多个transformer层。在encoder结构上运用了transformer的encoder结构，在上采样过程加入CNN从而获取较多的局部信息，能够在较小数据集中表现出较优的表现，在缺乏数据集的情况下本发明专利技术方法就具有较大的优势，且本发明专利技术对较小裂缝的识别具有较好的效果。较小裂缝的识别具有较好的效果。较小裂缝的识别具有较好的效果。

【技术实现步骤摘要】
一种基于TransUnet模型的道路病害检测方法


[0001]本专利技术涉及深度学习
，特别是涉及一种基于TransUnet模型的道路病害检测方法。

技术介绍

[0002]道路网络建设和维护仍然需要大量的资金和人力投入。因此，如何高效地检测道路裂缝，并及时进行修补和维护，成为当前急需解决的问题之一。
[0003]针对这一问题，国内学者在道路裂缝检测方面做出了大量的研究工作。目前我国国内路面裂缝检测主要包括两大类：人工检测与基于新技术的多功能道路检测车自动化检测。近年来，基于机器视觉的自动检测系统由于其检测精度高、速度快等特点，在很多领域得到应用。Zhang等人应用稀疏处理算法来提取路面病害区域候选点，然后将提取的候选点与改进的最小成本生成树算法相结合，对路面病害进行检测。基于激光扫描的路面病害检测方法具有检测精度高、速度快的优点，但是由于激光设备的价格昂贵，所以没有得到大范围应用。Oliveira等人将均值和标准差用于无监督学习从而对带有裂缝的图像与没有裂缝的图像进行区分。Cord等人通过线性滤波器对图像纹理特征进行描述，并基于A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于TransUnet模型的道路病害检测方法，其特征在于，包括以下步骤：获取待检测道路图像；将待检测道路图像输入至TransUnet模型中，输出分割图像；根据分割图像确定道路病害区域；将待检测道路图像输入至TransUnet模型中，输出分割图像，包括：基于CNN层对待检测道路图像进行编码处理得到多个向量，并对多个向量进行特征提取，得到多个特征图与隐藏特征；基于线性投影将多个隐藏特征进行映射；基于多个transformer层对映射后的多个隐藏特征进行重塑，得到编码图；基于多个unet层的多层解码器对编码图进行上采样，并与多个特征图进行融合，得到分割图像。2.如权利要求1所述的一种基于TransUnet模型的道路病害检测方法，其特征在于，将待检测道路图像进行切分，需要对待检测道路图像进行预处理，所述预处理包括图像调整、数据增强以及图像归一化。3.如权利要求1所述的一种基于TransUnet模型的道路病害检测方法，其特征在于，所述数据增强包括旋转、翻转和剪裁。4.如权利要求1所述的一种基于TransUnet模型的道路病害检测方法，其特征在于，根据多个待检测道路图像构建数据集，将数据集分为训练集和测试集，通过训练集对TransUnet模型进行训练，通过测试集对训练后的TransUnet模型进行测试。5.如权利要求1所述的一种基于TransUnet模型的道路病害检测方法...

【专利技术属性】
技术研发人员：程鑫，牛亚妮，周经美，周洲，刘霈源，刘伟，高建金，曹轩，武毓，李雨祺，邸林杰，程灿，
申请(专利权)人：长安大学，
类型：发明
国别省市：