-
题名基于E-HRNet的路面破损区域识别方法
被引量：6
- 1
-
-
作者
张大伟
田抑阳
徐培娟
钟琛
-
机构
长安大学汽车学院
长安大学运输工程学院
重庆市轨道交通(集团)有限公司
-
出处
《北京交通大学学报》
CAS
CSCD
北大核心
2023年第4期110-119,共10页
-
基金
陕西省自然科学基金(2023-JC-YB-496)
中国博士后科学基金(2021M693752)
+1 种基金
轨道交通基础设施性能监测与保障国家重点实验室开放课题(HJGZ2022115)
中央高校基本科研业务费专项资金(300102342104)。
-
文摘
针对现有路面破损区域识别方法识别效率低、泛化性能差等问题,提出了一种基于深度高分辨率网络HRNet的路面坑槽和裂缝识别方法.采用车载单目相机实地采集路面坑槽和裂缝图像,并对图像进行预处理和标注,生成路面破损数据集.在原HRNet基础上,对其网络特征提取层的4个不同分辨率表征分别融合改进的卷积注意力模块,形成E-HRNet网络模型.为了提高EHRNet模型的推理速度,对其各步骤中不同分辨率分支的残差层数进行了优化,并采用联合损失函数对该模型进行监督训练.试验结果表明:E-HRNet网络模型对路面坑槽和裂缝区域分割的平均像素精度和平均交并比分别达到了94.53%和88.31%,与原HRNet网络模型相比,平均像素准确率增加了6.53%,平均交并比提升了5.38%,平均类别准确率提高了1.39%;模型检测帧率提高了30.3%,而模型体积则减少了42.6%,可满足模型轻量化和实时检测的需求;与DDRNet、Deep⁃labV3+等同类模型相比,E-HRNet网络模型对坑槽和裂缝区域的分割精度更高,有效地避免了漏检、误检以及边界模糊等问题的出现,具有更好的实时性和泛化性.
-
关键词
视觉感知
E-HRNet
路面破损识别
路面坑槽
裂缝
-
Keywords
visual perception
E-HRNet
road damage identification
road pothole
crack
-
分类号
U495
[交通运输工程—交通运输规划与管理]
-
-
题名融合流形特征的路面破损图像识别方法
被引量：1
- 2
-
-
作者
石陆魁
党磊
杨璐
师胜利
-
机构
河北工业大学计算机科学与软件学院
河北师范大学信息技术学院
-
出处
《计算机应用与软件》
CSCD
2016年第2期150-152,196,共4页
-
文摘
研究路面破损图像识别的特征提取优化问题。为了克服常见的破损密度因子或坐标轴投影等特征提取时易受噪声影响,仅从底层视觉角度描述破损图像裂缝特性,不能高效、精确地区别不同裂缝的问题,提出一种融合流形特征的路面破损识别方法。首先利用流形学习中的Laplacian Eigenmaps算法提取图像的低维流形特征,令其作为图像裂缝的高层语义,然后将流形特征与破损密度因子或坐标轴投影等底层视觉特征融合,利用融合后的特征识别裂缝类别。仿真结果表明,将流形特征与其他特征融合后,可以从高层语义、底层视觉两个层面全方位的描述路面裂缝,极大地提高路面裂缝的识别精度。
-
关键词
流形学习
路面破损图像识别
特征融合
拉普拉斯特征映射法
-
Keywords
Manifold learning Pavement distress image recognition Feature fusion Laplacian eigenmaps
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
