(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210438546.X (22)申请日 2022.04.25 (71)申请人 路网新通 （北京） 交通科技有限公司 地址 100102 北京市朝阳区望京东园四区2 号楼13层13 01号N1388室 (72)发明人 朱朝东　巩建　纪阳林　吕进刚　 (74)专利代理 机构 深圳市恒程创新知识产权代 理有限公司 4 4542 专利代理师 孔德丞 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/44(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/56(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 路面病害检测网络训练方法、 装置、 设备及 存储介质 (57)摘要 本发明公开了一种路面病害检测网络训练 方法、 装置、 设备及存储介质， 属于路面病害识别 技术领域。 该方法包括： 获取多张路面样本图像 以及对应的边缘真值矩阵和区域 真值矩阵； 将路 面样本图像输入原始检测网络， 得到对应的边缘 预测矩阵和区域预测矩阵； 根据边缘真值矩阵和 边缘预测矩阵， 得到边缘识别损失函数值， 并根 据区域真值矩阵和区域预测矩阵， 得到区域识别 损失函数值； 根据两个损失函数值， 调整网络参 数， 得到目标联合检测 网络。 本发明将边缘识别 方式和区域识别方式相结合， 从边缘网格和病害 区域两个不同的角度对原始检测网络进行训练 优化， 使得训练后的网络可以从不同的角度进行 病害检测， 以结合不同角度的检测结果来保证最 终的检测精度。 权利要求书3页 说明书12页 附图8页 CN 114882356 A 2022.08.09 CN 114882356 A 1.一种路面病害检测网络训练方法， 其特 征在于， 所述方法包括： 获取多张路面样本图像以及对应的多组边缘真值矩阵和区域真值矩阵； 所述边缘真值 矩阵的每一元素对应于一个边缘网格， 所述边缘真值矩阵中每一元素的取值表示对应的边 缘网格中是否具有指定路面病害， 所述区域真值矩阵中每一行元素对应于一个病害区域， 所述区域真值矩阵每一行中的元素取值表示对应的病害区域的外接矩形坐标； 其中， 所述 边缘网格由所述路面样本图像按照固定尺寸分割得到， 所述病害区域依据所述路面样本图 像中属于指定路面病害的区域的最小外 接矩形得到； 将多张所述路面样本图像输入原始检测网络， 得到对应的边缘预测矩阵和区域预测矩 阵； 根据所述边缘真值矩阵和所述边缘预测矩阵， 得到边缘识别损 失函数值， 并根据所述 区域真值矩阵和所述区域预测矩阵， 得到区域识别损失函数值； 根据所述边缘识别损失函数值和所述 区域识别损失函数值， 调整所述原始检测网络的 网络参数， 得到目标 联合检测网络 。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述边缘真值矩阵和所述边缘预 测矩阵， 得到边缘识别损失函数值， 并根据所述区域真值矩阵和所述区域预测矩阵， 得到区 域识别损失函数值， 包括： 根据第一公式、 所述边缘真值矩阵和所述边缘预测矩阵， 得到所述边缘识别损 失函数 值， 并根据第二 公式、 所述区域真值矩阵和所述区域预测矩阵， 得到所述区域识别损失函数 值； 其中， 所述第一公式为： 其中， loss1为所述边缘识别损失函数值， 为所述边缘真值矩阵的矩阵向量， 为所述 边缘预测矩阵的矩阵向量， ε为预设 常数以避免分母为0； 所述第二公式为： 其中， loss2为所述区域识别损失函数值， 为所述区域真值矩阵的矩阵向量， 为所述 区域预测矩阵的矩阵向量。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述边缘识别损失函数值和所述 区域识别损失函数值， 调整所述原 始检测网络的网络参数， 得到目标 联合检测网络， 包括： 根据所述 边缘识别损失函数值和所述区域识别损失函数值， 得到总损失函数值； 根据所述总损失函数值， 调整所述网络参数， 并更新所述原 始检测网络； 返回执行所述将多 张所述路面样本图像输入所述原始检测网络， 得到对应的边缘预测 矩阵和区域预测矩阵， 并得到对应的总损失函数值， 直至所述总损失函数值达 到最小； 根据最小的总损失函数值调整所述网络参数， 得到所述目标 联合检测网络 。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述总损 失函数值， 调整所述网权　利　要　求　书 1/3 页 2 CN 114882356 A 2络参数， 并更新所述原 始检测网络， 包括： 根据第三公式和所述总损失函数值， 调整所述网络参数， 并更新所述原 始检测网络； 其中， 所述第三公式为： 其中， wi+1为调整后的网络参数， wi为调整前的网络参数， 为多张所述路面样本图像 对应总损失函数值的算数平均值， η为常系数。 5.根据权利要求1 ‑4任一项所述的方法， 其特征在于， 所述根据 所述边缘识别损失函数 值和所述区域识别损失函数值， 调整所述原始检测网络的网络参数， 得到目标联合检测网 络之后， 所述方法还 包括： 获取待测路面图像； 将所述待测路面图像输入所述目标联合检测网络， 得到对应的边缘识别结果矩阵和区 域识别结果矩阵； 根据所述边缘识别结果矩阵和所述 区域识别结果矩阵， 得到所述待测路面图像的路面 病害检测结果。 6.根据权利要求5所述的方法， 其特征在于， 所述将所述待测路面图像输入所述目标联 合检测网络， 得到对应的边 缘识别结果矩阵和区域识别结果矩阵， 包括： 将所述待测路面图像输入所述目标联合检测网络， 以使所述目标联合检测网络根据 所 述待测路面图像， 划分得到多个边缘网格和至少一个病害区域， 并根据多个所述边缘网格， 生成所述边缘识别结果矩阵， 以及根据至少一个所述病害区域， 生成所述区域识别结果矩 阵。 7.根据权利要求5所述的方法， 其特征在于， 所述根据所述边缘识别结果矩阵和所述 区 域识别结果矩阵， 得到所述待测路面图像的路面病害检测结果， 包括： 得到所述 边缘识别结果矩阵和所述区域识别结果矩阵中的矩阵元 素值； 根据所述矩阵元 素值， 得到所述路面病害检测结果。 8.一种路面病害检测网络训练装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取多张路面样本图像以及对应的多组边缘真值矩阵和区域真值矩 阵； 所述边缘真值矩阵的每一元素对应于一个边缘网格， 所述边缘真值矩阵中每一元素 的 取值表示对应的边缘网格中是否具有指定路面病害， 所述区域真值矩阵中每一行元素对应 于一个病害区域， 所述区域真值矩阵每一行中的元素取值表示对应的病害区域的外接矩形 坐标； 其中， 所述边缘网格由所述路面样本图像按照固定尺 寸分割得到， 所述病害区域依据 所述路面样本图像中属于指定路面病害的区域的最小外 接矩形得到； 预测模块， 用于将多张所述路面样本 图像输入原始检测网络， 得到对应的边缘预测矩 阵和区域预测矩阵； 计算模块， 用于根据所述边缘真值矩阵和所述边缘预测矩阵， 得到边缘识别损 失函数 值， 并根据所述区域真值矩阵和所述区域预测矩阵， 得到区域识别损失函数值； 优化模块， 用于根据所述边缘识别损 失函数值和所述区域识别损 失函数值， 调整所述 原始检测网络的网络参数， 得到目标 联合检测网络 。权　利　要　求　书 2/3 页 3 CN 114882356 A 3