【技术实现步骤摘要】
本专利技术属于计算机视觉，尤其涉及一种基于边界框的路面缺陷分割方法和装置。
技术介绍
1、路面缺陷分割主要涉及到语义分割领域相关技术。语义分割算法是一类计算机视觉算法，其目标是将图像中的每个像素分配到对应的语义类别，这说明图像中的每个像素都被赋予一个标签，以表示它属于正常路面区域或者路面缺陷区域。这种技术有许多应用，例如自动驾驶、医学图像分析等。
2、在训练语义分割模型过程中，通常使用深度学习模型自动学习图像中的特征表示，并通过定义一个损失函数来衡量模型的输出与真实标签之间的差异。在一次训练阶段的末尾，需要通过反向传播算法来调整权重，以减小损失函数。成功训练语义分割模型需要大规模的图像数据集，这些数据集要包括图像及其对应的像素级别的语义标签，这些标签通常通过人工标注。标注每个像素的语义标签是一项耗时且劳动密集的任务，通常需要付出相当高的成本。并且，路面缺陷在形状、大小上具有很强的多样性，增加了标注的复杂性和成本。
技术实现思路
1、本专利技术要解决的技术问题是，提供一种基于边界框的路面缺陷分割方法和装置，以解决标注成本高的问题，允许使用较少的标注工作来训练模型，只需绘制包围路面缺陷的边界框，而不需要对每个像素进行像素级别的标注；在降低数据标注成本的同时，保持高质量的路面缺陷分割效果，为实际应用中的路面维护和监控提供更实用的解决方案。
2、为实现上述目的，本专利技术采用如下的技术方案：
3、一种基于边界框的路面缺陷分割方法，包括以下步骤：
<...【技术保护点】
1.一种基于边界框的路面缺陷分割方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于边界框的路面缺陷分割方法，其特征在于，所述分割模型为U-Net分割模型。
3.如权利要求2所述的基于边界框的路面缺陷分割方法，其特征在于，训练像素标注自动生成器包括：
4.如权利要求3所述的基于边界框的路面缺陷分割方法，其特征在于，步骤2中，根据训练好的像素标注自动生成器，基于边界框产生像素级标注数据。
5.一种基于边界框的路面缺陷分割装置，其特征在于，包括：
6.如权利要求5所述的基于边界框的路面缺陷分割装置，其特征在于，所述分割模型为U-Net分割模型。
7.如权利要求6所述的基于边界框的路面缺陷分割装置，其特征在于，第一训练模块包括：
8.如权利要求7所述的基于边界框的路面缺陷分割装置，其特征在于，处理模块根据训练好的像素标注自动生成器，基于边界框产生像素级标注数据。
【技术特征摘要】
1.一种基于边界框的路面缺陷分割方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于边界框的路面缺陷分割方法，其特征在于，所述分割模型为u-net分割模型。
3.如权利要求2所述的基于边界框的路面缺陷分割方法，其特征在于，训练像素标注自动生成器包括：
4.如权利要求3所述的基于边界框的路面缺陷分割方法，其特征在于，步骤2中，根据训练好的像素标注自动生成器，基于边界框产生像素级标注数据...
【专利技术属性】
技术研发人员：王鑫，毛昭勇，沈钧戈，梁志伟，孔翔，
申请(专利权)人：西北工业大学，
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。