一種基于無監(jiān)督學習的路面異常檢測方法及系統(tǒng)
基本信息
申請?zhí)?/td> | CN202210336906.5 | 申請日 | - |
公開(公告)號 | CN114663742A | 公開(公告)日 | 2022-06-24 |
申請公布號 | CN114663742A | 申請公布日 | 2022-06-24 |
分類號 | G06V20/00(2022.01)I;G06V10/74(2022.01)I;G06V10/774(2022.01)I;G06V10/82(2022.01)I;G06K9/62(2022.01)I;G06N3/04(2006.01)I;G06N3/08(2006.01)I | 分類 | 計算;推算;計數(shù); |
發(fā)明人 | 李繼凱 | 申請(專利權)人 | 北京優(yōu)創(chuàng)新港科技股份有限公司 |
代理機構 | 成都余行專利代理事務所(普通合伙) | 代理人 | - |
地址 | 100000北京市海淀區(qū)上地東路35號1號樓2層1-202-238 | ||
法律狀態(tài) | - |
摘要
摘要 | 本發(fā)明公開了一種基于無監(jiān)督學習的路面異常檢測方法及系統(tǒng),該方法包括以下步驟:構建特征提取模型、構建路面正常訓練樣本集、構建路面異常檢測模型集、獲取路面檢測樣本集,通過所述路面檢測樣本集與所述路面異常檢測模型集之間的距離,獲取檢測圖像集中每一張圖像的檢測距離;通過每一張圖像的檢測距離與異常閾值之間的關系,得到路面的異常檢測結果。本發(fā)明采用基于無監(jiān)督學習的路面異常檢測方法及系統(tǒng),圖像樣本是隨機選取的,整個道路檢測的過程減少了人工標注的過程,檢測效率更高;利用卷積神經(jīng)網(wǎng)絡模型的多層中間特征分別構建路面異常檢測模型,采用多個模型多次判斷,提高路面異常判斷精度,在異常種類多、異常樣本稀少的情形下,依然能夠保證軌道路面異常檢測系統(tǒng)的魯棒性。 |
