【技术实现步骤摘要】
本专利技术涉及探地雷达检测，尤其涉及一种路面隐藏病害的图像数据扩充方法及装置。
技术介绍
1、随着交通路网的不断完善和建设饱和，道路路面随着运营时间的增长将不可避免出现病害，需要进入维修养护阶段。面对如此庞大的路网维护工作，采用有效的检测手段，快速、有效、准确地确定表层和内部病害的位置、类型和严重程度，并科学合理地确定养护和维修方案，具有重要的经济和社会价值。近年来，卷积神经网络的兴起使得通过学习正确标记的图像来完成对其他未标记图像中相似特征的识别成为可能。这些卷积神经网络模型通过对训练样本进行学习来识别目标的特征信息，提高了检测结果的准确性，但仍然在很大程度上依赖于训练数据集的代表性和大小。
2、然而，卷积神经网络模型要求各种工况下的训练图像数量至少达到数千张才能获得较好的训练效果。而由于探地雷达数据有限，采集到的每种工况病害图像通常只有几百张甚至几十张，而且各种工况下的训练图像数量不均衡，例如裂缝病害的数量往往远多于脱空、沉陷等病害。数据集数量的不足、代表性的不足以及样本不均衡问题是卷积神经网络模型在解译三维探地雷达数据...
【技术保护点】
1.一种路面隐藏病害的图像数据扩充方法，其特征在于，包括：
2.根据权利要求1所述的路面隐藏病害的图像数据扩充方法，其特征在于，所述对所述初始雷达图像数据进行裁剪，得到裁剪雷达图像数据，包括：
3.根据权利要求1所述的路面隐藏病害的图像数据扩充方法，其特征在于，所述分别对每张裁剪雷达图像数据中的隐藏病害位置进行标注，得到病害位置信息数据，包括：
4.根据权利要求3所述的路面隐藏病害的图像数据扩充方法，其特征在于，所述对所述每张裁剪雷达图像数据中的隐藏病害位置进行标注，得到标注信息，包括：
5.根据权利要求1所述的路面隐藏...
【技术特征摘要】
1.一种路面隐藏病害的图像数据扩充方法，其特征在于，包括：
2.根据权利要求1所述的路面隐藏病害的图像数据扩充方法，其特征在于，所述对所述初始雷达图像数据进行裁剪，得到裁剪雷达图像数据，包括：
3.根据权利要求1所述的路面隐藏病害的图像数据扩充方法，其特征在于，所述分别对每张裁剪雷达图像数据中的隐藏病害位置进行标注，得到病害位置信息数据，包括：
4.根据权利要求3所述的路面隐藏病害的图像数据扩充方法，其特征在于，所述对所述每张裁剪雷达图像数据中的隐藏病害位置进行标注，得到标注信息，包括：
5.根据权利要求1所述的路面隐藏病害的图像数据扩充方法，其特征在于，所述根据病害类别对所述初始检测数据集中的图像数据进行划分和扩充，得到目标检测数据集，包括：
6.根据权利要求5所述的路面隐藏病害...
【专利技术属性】
技术研发人员：黄婷婷，李春辉，罗蓉，桑帆，侯芸，刘文超，贺传杰，
申请(专利权)人：武汉理工大学，
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。