System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像分割,尤其涉及一种基于弱监督图像分割的裂缝检测方法、装置及介质。
技术介绍
1、随着时间的推移,我国很多的房屋已经出现了老化的现象,墙面或墙体出现裂缝。另一方面,由于地震自然灾害的影响,很多建成不久的高层房屋也出现了一些裂缝问题,裂缝是导致安全隐患的主要原因之一,比如墙体裂缝可能会导致房屋的坍塌,进而造成无法挽回的后果。
2、目前越来越多的研究人员尝试利用计算机视觉和人工智能的方法来解决这些困难,并获得了不错的效果。裂缝检测的具体任务是通过算法检测出裂缝在图片中的具体位置,再在检测到裂缝后通过像素级的分类将裂缝标注出来。
3、然而现在进行检测与分割的方法主要是利用像素级标注作为标签进行训练,但是人为获取像素级标注是十分耗时耗力的,且精准度低。
4、有鉴于此,亟需提供一种智能高效的像素级标注的图像获取方法实现高效的裂缝检测方法。
技术实现思路
1、为克服相关技术中存在的问题,本公开提供一种基基于弱监督图像分割的裂缝检测方法、装置、设备及介质,以解决相关技术中获取像素级标注耗时耗力且精准度低导致检测精度低效的技术问题。
2、本说明书一个或多个实施例提供了一种基于弱监督裂缝检测与分割方法,包括以下步骤:
3、获取历史裂缝图像,对图像中裂缝加入图像级标签,获得图像集;
4、建立热力图生成模型和显著图检测器;其中,热力图生成模型为最后层为平均池化层的分类网络全局平均池化层;显著图检测器包括wssnet网
5、将图像集输入至热力图生成模型,并根据预设的收敛阈值对热力图生成模型进行训练获得训练好的热力图生成模型;
6、将图像集分别输入显著图检测器和训练好的热力图生成模型,对应获得热力图和显著图;
7、利用融合算法计算热力图和显著图的均值获得前景图,根据预设的背景阈值获得背景图,融合前景图和背景图得到伪像素标注的图像;
8、构建弱监督图像语义分割模型;
9、将获得的伪像素标注的图像输入至弱监督图像语义分割模型进行训练直至模型收敛,获得训练好的弱监督图像语义分割模型;
10、将待分割的图像输入至训练好的弱监督图像语义分割模型,获得裂缝图像的像素所属前景和背景。
11、本说明书一个或多个实施例提供了一种基于弱监督裂缝检测与分割装置,包括
12、训练数据生成模块:用于获取历史裂缝图像,对图像中裂缝加入图像级标签,获得图像集;
13、第一模型建立模块:用于建立热力图生成模型和显著图检测器;其中,热力图生成模型为最后层为平均池化层的分类网络全局平均池化层;显著图检测器包括wssnet网络与dhsnet网络;
14、第一训练模块:用于将训练数据生成模块获得的图像集输入至热力图生成模型,并根据预设的收敛阈值对热力图生成模型进行训练获得训练好的热力图生成模型;
15、图像获取模块:用于将图像集分别输入显著图检测器和训练好的热力图生成模型,对应获得热力图和显著图;
16、融合模块:用于通过融合算法计算热力图和显著图的均值获得前景图,根据预设的背景阈值获得背景图,融合前景图和背景图得到伪像素标注的图像;
17、第二模型建立模块:用于构建弱监督图像语义分割模型;
18、第二训练模块:用于将融合模块获得的伪像素标注的图像输入至弱监督图像语义分割模型进行训练直至模型收敛,获得训练好的弱监督图像语义分割模型。
19、输入模块:用于将待分割的图像输入至训练好的弱监督图像语义分割模型,获得裂缝分割结果。
20、本说明书一个或多个实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述所述基于弱监督裂缝检测与分割方法的步骤。
21、本专利技术提供基于弱监督图像分割的裂缝检测方法、装置及介质,公开了通过建立的热力图生成模型和显著图检测获得裂缝标签图像的热力图和显著图,并通过使用融合算法获得伪像素标注的图像,并通过伪像素标注的图像对构建弱监督图像语义分割模型进行训练获得最终的分割模型,通过本实施例获得有利于增强分割模型分割精度的伪像素标注的图像,相比于现有技术,本实施例像素标注的图像的获取高效且精准,解决以往像素标注的图像获取难且的缺点,且利用弱监督辅助进行语义分割相比于其他计算机图像处理算法极大的减少了标注时间并且分割效果及精度增加,且本实施例方法易于实现。
本文档来自技高网...【技术保护点】
1.基于弱监督裂缝检测与分割方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于弱监督裂缝检测与分割方法,其特征在于,所述热力图生成模型包括多个卷积层,且最后一层设为全局平均池化层;
3.如权利要求2所述的基于弱监督裂缝检测与分割方法,其特征在于,所述热力图生成模型的损失函数为:
4.如权利要求1所述的基于弱监督裂缝检测与分割方法,其特征在于,所述显著图的获取过程如下:
5.如权利要求1所述的基于弱监督裂缝检测与分割方法,其特征在于,所述弱监督图像语义分割模型的损失函数为:
6.基于弱监督裂缝检测与分割装置,其特征在于,包括
7.权利要求6述的基于弱监督裂缝检测与分割装置,其特征在于,所述第一模型建立模块构建的热力图生成模型包括多个卷积层,且最后一层设为全局平均池化层;
8.如权利要求7所述的基于弱监督裂缝检测与分割装置,其特征在于,所述热力图生成模型的损失函数为:
9.如权利要求6所述的基于弱监督裂缝检测与分割装置,其特征在于,所述图像获取模块具体配置用于:
10
...【技术特征摘要】
1.基于弱监督裂缝检测与分割方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于弱监督裂缝检测与分割方法,其特征在于,所述热力图生成模型包括多个卷积层,且最后一层设为全局平均池化层;
3.如权利要求2所述的基于弱监督裂缝检测与分割方法,其特征在于,所述热力图生成模型的损失函数为:
4.如权利要求1所述的基于弱监督裂缝检测与分割方法,其特征在于,所述显著图的获取过程如下:
5.如权利要求1所述的基于弱监督裂缝检测与分割方法,其特征在于,所述弱监督图像语义分割模型的损失函数为:
6.基于弱监督裂缝检测与分割装置,...
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。