基于U-net的道路缺陷检测

来源 :计算机科学 | 被引量 : 0次 | 上传用户:ch101732
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
道路是现代交通运输最主要的途径之一,道路缺陷对于道路安全有着巨大威胁。因此准确检测道路缺陷对道路养护修缮具有重要意义。道路缺陷具有低连续性和低对比度的特点,现阶段多采用人工检测方法,检测效率低,人力成本高,且检测人员的安全可能会遭受威胁。随着深度学习的发展,神经网络方法被广泛应用于工程实践。U-net是具有编码器-解码器结构的端到端深度学习模型,对微小对象检测能力强,适用于道路裂缝缺陷检测。利用U-net深度学习网络对道路缺陷进行检测,能提高检测效率,无需人工干预,保证检测人员安全,降低检测的人工成
其他文献
能见度检测是计算机视觉与交通视频图像处理的热点问题。针对传统检测方法存在硬件成本高、适用范围小、检测效率低等不足,给出一种利用透射率和场景深度获取单幅图像能见度的检测方法。首先根据Koschmieder定律和ICAO推荐的对比阈值推导出能见度检测公式,然后根据大气衰减模型得到消光系数,利用暗通道先验理论获取透射率值,结合SFS(从阴影恢复形状)和双目模型获取场景深度值,最后通过求解消光系数反演图像
期刊
步态是远距离复杂视频监控场景下唯一可清晰成像的生物特征,具有识别范围广、难以伪装等优点。为探索视频图像智能化应用,发掘海量视频资源的潜在价值,开发了步态应用实战平台,利用步态识别技术破解视频监控条件下人员身份识别难和轨迹刻画难等难题,为侦查破案、人员管控等提供新手段。采用先进的深度学习步态识别方法,完成步态检测,序列跟踪,步态分割和识别比对等一系列关键环节和步骤。为验证步态识别技术的效果,在含10
期刊
随着电商的迅速开展,快递行业特别火爆。大量用户取完快递后习惯性将未经处理的快递盒随手扔掉,此时快递单上大量的用户明文隐私信息将面临被泄露的风险。AES算法是对称密码算法,具备算法简单易实现、加解密速度快、安全性高等特点,是加密快递业用户明文信息的理想算法。QR码(快速响应二维码)具有安全性高、读取数据速度快、可在小空间内打印、可从任意方向读取等优点。为了保证运输效率,快递基于用户明文信息运输,快递
期刊