【技术实现步骤摘要】
本专利技术属于计算机视觉，尤其涉及一种基于掩码映射的工地路面状态异常检测方法及系统。
技术介绍
1、近年来，基于卷积神经网络的语义分割模型由于可以提供对周围环境的像素级解释，这在安全性要求较高的场景中，比如地园区自动驾驶、车路协同等，发挥着越来越重要的作用。在复杂的工地驾驶场景下，基于强监督深度学习方法对数据集中预先定义的类别进行高精度像素级分类是不可靠的。这是由于面对未知的路面异常状态，如道路抛洒物、障碍物等，基于卷积神经网络的语义分割模型不仅可能无法识别它，甚至会过于自信地将其分类为预先定义的类别，这种情况造成了严重的安全隐患，极大地限制了图像语义分割在工地园区自动驾驶关键应用的部署。此外，道路障碍物是指在道路上出现的影响工地园区交通、阻碍行车的物体，它没有具体的特征，这意味着预定义道路上可能出现的所有类型障碍物是无法完成的，因此，训练语义分割网络使其具有工地道路路面状态异常掩码映射的能力是至关重要的。
2、当前，已有一些工作提出了模型检测工地道路路面状态异常的解决方案。fishyscapes是一个首先被提出公共基准，它...
【技术保护点】
1.一种基于掩码映射的工地路面状态异常检测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于掩码映射的工地路面状态异常检测方法，其特征在于，所述将已知类的工地道路环境图像的类别映射为对应的采用像素值表示的掩码包括：对已知类的工地道路环境图像的类别采用掩码进行定义，将每个像素分配给特定的类别，以实现图像中不同对象的分割。
3.如权利要求1所述的一种基于掩码映射的工地路面状态异常检测方法，其特征在于，所述联合损失函数包括分割损失、警觉损失和平滑损失，所述联合损失函数计算公式为：Ltotal＝Lseg+λ1Lvem+λ2Lreg，其中L...
【技术特征摘要】
1.一种基于掩码映射的工地路面状态异常检测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于掩码映射的工地路面状态异常检测方法，其特征在于，所述将已知类的工地道路环境图像的类别映射为对应的采用像素值表示的掩码包括：对已知类的工地道路环境图像的类别采用掩码进行定义，将每个像素分配给特定的类别，以实现图像中不同对象的分割。
3.如权利要求1所述的一种基于掩码映射的工地路面状态异常检测方法，其特征在于，所述联合损失函数包括分割损失、警觉损失和平滑损失，所述联合损失函数计算公式为：ltotal＝lseg+λ1lvem+λ2lreg，其中lseg表示分割损失、lvem表示警觉损失，lreg表示平滑损失，λ1表示警觉损失影响因子，λ2表示平滑损失影响因子。
4.如权利要求3所述的一种基于掩码映射的工地路面状态异常检测方法，其特征在于，所述分割损失计算公式为：其中，表示像素处的类别，表示内类中不分类的警觉反馈因子，表示像素处的内点警觉值，为y类在像素处的logit，y表示分割网络中的像素级标签种类数。
5.如权利要求3所述的一种基于掩码映射的工地路面状态异常检测方法，其特征在于，所述警觉损失计算公式为：
6.如权利要求1所述的一种基于掩码映射的工地路面状态异常检测方法，其特征在于，所述使用所述联合损失函数微调第一语义分割模型分类块，包括...
【专利技术属性】
技术研发人员：温德政，刘轶鹏，王帅，吴建清，许之友，田源，李权，杜聪，
申请(专利权)人：中建八局第二建设有限公司，
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。