一种基于无监督学习的路面异常检测方法及系统
基本信息
| 申请号 | CN202210336906.5 | 申请日 | - |
| 公开（公告）号 | CN114663742A | 公开（公告）日 | 2022-06-24 |
| 申请公布号 | CN114663742A | 申请公布日 | 2022-06-24 |
| 分类号 | 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 | 分类 | 计算；推算；计数; |
| 发明人 | 李继凯 | 申请（专利权）人 | 北京优创新港科技股份有限公司 |
| 代理机构 | 成都余行专利代理事务所（普通合伙） | 代理人 | - |
| 地址 | 100000北京市海淀区上地东路35号1号楼2层1-202-238 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于无监督学习的路面异常检测方法及系统，该方法包括以下步骤：构建特征提取模型、构建路面正常训练样本集、构建路面异常检测模型集、获取路面检测样本集，通过所述路面检测样本集与所述路面异常检测模型集之间的距离，获取检测图像集中每一张图像的检测距离；通过每一张图像的检测距离与异常阈值之间的关系，得到路面的异常检测结果。本发明采用基于无监督学习的路面异常检测方法及系统，图像样本是随机选取的，整个道路检测的过程减少了人工标注的过程，检测效率更高；利用卷积神经网络模型的多层中间特征分别构建路面异常检测模型，采用多个模型多次判断，提高路面异常判断精度，在异常种类多、异常样本稀少的情形下，依然能够保证轨道路面异常检测系统的鲁棒性。 |
