结合PVT和U-Net深度学习的道路缺陷检测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种结合PVT和U‑Net深度学习的道路缺陷检测方法,首先获取原始探地雷达数据集,然后进行数据的预处理,构建标准化的探地雷达图像数据集;然后构建结合PVT和U‑Net的深度学习网络、添加符号距离函数的损失函数,基于损失函数、采用深度学习网络对探地雷达图像数据集中的训练集进行训练,得到训练好的深度学习网络;最后采用训练好的深度学习网络对探地雷达图像数据集中的测试集进行检测,提取到道路缺陷特征。本发明采用结合PVT和U‑Net的深度学习网络,能更好的提取和分割出道路的缺陷特征,并采用添加符号距离函数的损失函数进行训练,有效增强前景背景区域特征的可分性,提高了图像边缘部分的预测精度。
《结合PVT和U-Net深度学习的道路缺陷检测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024106379053,当前法律状态为已下证,由安徽大学提出申请,发明人为凌子龙;周思宇;徐佳;王华彬;李学俊,申请日期为2024-05-22,公开(公告)日期为2024-07-30,国际专利分类号(IPC)为 G06T 7/00 (2017.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种结合PVT和U‑Net深度学习的道路缺陷检测方法,首先获取原始探地雷达数据集,然后进行数据的预处理,构建标准化的探地雷达图像数据集;然后构建结合PVT和U‑Net的深度学习网络、添加符号距离函数的损失函数,基于损失函数、采用深度学习网络对探地雷达图像数据集中的训练集进行训练,得到训练好的深度学习网络;最后采用训练好的深度学习网络对探地雷达图像数据集中的测试集进行检测,提取到道路缺陷特征。本发明采用结合PVT和U‑Net的深度学习网络,能更好的提取和分割出道路的缺陷特征,并采用添加符号距离函数的损失函数进行训练,有效增强前景背景区域特征的可分性,提高了图像边缘部分的预测精度。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
