[发明专利]路面裂缝检测方法、装置、计算机设备和存储介质

权利要求书

1.一种路面裂缝检测方法，其特征在于，所述方法包括：

获取多幅训练图像、多个训练模型和一个应用模型；所述应用模型和所述多个训练模型为结构各不相同的神经网络模型，各个所述神经网络模型输出的类别范围与所述多幅训练图像的类别范围相同；

将每幅所述训练图像分别输入至各个所述神经网络模型，得到每个所述神经网络模型的输出；

根据所述多个训练模型对应同一幅所述训练图像的输出，确定所述训练图像的参考类别；

调整所述应用模型的模型参数直至满足第一训练停止条件，得到预训练的应用模型；所述预训练的应用模型对应所述训练图像的输出与所述训练图像的参考类别之间的差异小于阈值；

获取多幅标记有裂缝所在区域位置的路面图像；

将所述路面图像作为训练样本，所述路面图像中的裂缝所在区域位置作为训练标签，对所述预训练的应用模型进行再训练直至满足第二训练停止条件，得到最终训练好的应用模型；所述最终训练好的应用模型用于对路面裂缝进行检测。

2.根据权利要求1所述的方法，其特征在于，所述获取多幅训练图像、多个训练模型和一个应用模型，包括：

建立多个训练模型和一个应用模型；

获取多幅标记有所属类别的分类图像；

将所述分类图像作为训练样本，所述分类图像所属类别作为训练标签，对每个所述训练模型进行训练直至满足第三训练停止条件，得到训练好的训练模型。

3.根据权利要求1所述的方法，其特征在于，所述将每幅所述训练图像分别输入至各个所述神经网络模型，得到每个所述神经网络模型的输出，包括：

将一幅所述训练图像输入至一个所述神经网络模型，得到所述神经网络模型输出的所述训练图像属于各个类别的概率。

4.根据权利要求2所述的方法，其特征在于，所述根据所述多个训练模型对应同一幅所述训练图像的输出，确定所述训练图像的参考类别，包括：

将所述多个训练模型输出的同一幅所述训练图像属于同一个类别的概率的平均值，作为所述训练图像属于一个类别的参考概率；

将所述训练图像属于各个类别的参考概率中最大值对应的类别，作为所述训练图像的参考类别。

5.根据权利要求1至4任意一项所述的方法，其特征在于，所述调整所述应用模型的模型参数直至满足第一训练停止条件，得到预训练的应用模型，包括：

建立判别器，并将所述应用模型作为生成器，与所述判别器组成生成式对抗网络；所述判别器为神经网络模型；

将所述训练图像的参考类别作为真样本输入至所述判别器，得到真样本判别结果，并将所述应用模型对应所述训练图像的输出作为假样本输入至所述判别器，得到假样本判别结果；

交替调整所述判别器的模型参数和所述生成器的模型参数直至满足第四训练停止条件，得到预训练的应用模型；调整后的所述判别器中所述真样本判别结果与所述假样本判别结果之间的差异大于调整前的所述判别器，调整后的所述生成器中所述真样本判别结果与所述假样本判别结果之间的差异小于调整前的所述生成器。

6.根据权利要求1至4任意一项所述的方法，其特征在于，所述应用模型中神经元的数量小于每个所述训练模型中神经元的数量。

7.根据权利要求1至4任意一项所述的方法，其特征在于，在所述得到最终训练好的应用模型之后，所述方法还包括：

获取待检测图像；

将所述待检测图像输入至所述最终训练好的应用模型，得到所述待检测图像中的裂缝所在区域位置。