中铁建设集团有限公司;北京工业大学城市建设学部;中国铁建建筑工业化工程实验室;中国科学院自动化研究所;
交通行业围绕加快建设交通强国总体目标，努力打造安全便捷、智慧绿色、经济高效的道路网，全面提升公路运行效率和服务水平，实现路网更高质量、更高效率、更好水平的发展。大数据时代，建造企业需要通过智能化、自动化、数据化的技术手段实现降本增效。针对全自动化路面质量评估和分析的实际场景需求，提出了基于大型卷积核模型和自监督预训练的路面质量分析方法，采集了一个大型的路面病害分割数据集。在路面病害识别阶段，提出了基于重参数化大型卷积核的U型网络结构，实现像素级别的高精度路面病害识别，使用图像修补作为模型的自监督预训练代理任务，针对全卷积编码器和全卷积解码器构建了自监督预训练框架，实现了高精度的模型预训练方法，进而实现了高精度的智能路面病害识别，为智能化路面质量评估和质量管理提供理论和决策依据。
| 241 | 2 | 21 |
| 下载次数 | 被引频次 | 阅读次数 |
[1] 蔡翠.我国智慧交通发展的现状分析与建议[J].公路交通科技(应用技术版),2013,9(6):224-227.
[2] 李彦旭，成立.ITS在国内外的发展趋势及我国的对策综述[J].无线电工程，2001,31(12):40-45.
[3] 陈晓东.公路路基路面病害检测及治理措施研究[J].交通科技与管理，2022(19):1-3.
[4] 侯海涛，邱雄，范洪祥，等.基于机器人技术的道路病害自动化检测系统应用研究[J].科技创新与应用，2022,12 (3):1-6.
[5] 罗晖，贾晨，李健.基于改进 YOLOv4 的公路路面病害检测算法[J].激光与光电子学进展，2021,58(14):336-344..
[6] 王晨.路面病害自动检测系统的改进和相关算法的研究[D].南京：南京理工大学，2006.
[7] 陈松钰，左强，王志芳.基于U-Net的遥感图像语义分割[J].无线电工程，2022,52 (1):168-172.
[8] 刘丹，刘学军，王美珍.一种多尺度CNN的图像语义分割算法[J].遥感信息，2017,32 (1):57-61.
[9] 毛凌，解梅.基于高阶 CRF 模型的图像语义分割[J].计算机应用研究，2013,30 (11):3514-3517.
[10] 成亮，杨沛，贾燕翀，等.配网线路无人机自主巡检的路径规划方法[J].无线电工程，2022,52(7):1213-1221.
[11] 王志辉，陈息坤.融合场景理解与A*算法的巡检机器人避障设计[J].无线电工程，2022,52 (11):2000-2008.
[12] JTG 5210—2018,公路技术状况评定标准[S].北京：中华人民共和国交通运输部，2018.
[13] 龙小勇，蔡良才，沈勇，等.军用机场水泥混凝土道面性能检测评价体系优化[C]//2019世界交通运输大会.北京：[出版者不详],2019:236-239.
[14] DING X H,ZHANG X Y,ZHOU Y Z,et al.Scaling up Your Kernels to 31×31:Revisiting Large Kernel Design in CNNs[J/OL].[2022-09-20].https://arxiv.org/abs/2203.06717.
[15] DING X H,ZHANG X Y,MA N N,et al.RepVGG:Making VGG-style Convnets Great Again[C]//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Nashville:IEEE,2021:13728-13737.
[16] WOO S,DEBNATH S,HU R H,et al.ConvNeXt V2:Co-designing and Scaling ConvNets with Masked Autoencoders[J/OL].(2022-03-13)[2022-09-22].https://arxiv.org/abs/2301.00808.
[17] 方程，邢座程，陈顼颢，等.一种基于GPU的高性能稀疏卷积神经网络优化[J].计算机工程与科学，2018,40 (12):2103-2111.
[18] YANG F,ZHANG L,YU S J,et al.Feature Pyramid and Hierarchical Boosting Network for Pavement Crack Detection[J].IEEE Transactions on Intelligent Transportation Systems,2019,21(4):1525-1535.
[19] CHEN L C,ZHU Y K,PAPANDREOU G,et al.Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation[J/OL].(2018-02-07)[2022-09-15].https://arxiv.org/abs/1802.02611.
[20] XIAO T T,LIU Y C,ZHOU B L,et al.Unified Perceptual Parsing for Scene Understanding[J/OL].(2018-07-26)[2022-09-11].https://arxiv.org/abs/1807.10221.
[21] ISENSEE F,JAEGER P F,KOHL S A A,et al.nnU-Net:A Self-configuring Method for Deep Learning-based Biomedical Image Segmentation[J].Nature Methods,2021,18(2):203-211.
[22] GUO J M,MARKONI H,LEE J D.BARNet:Boundary Aware Refinement Network for Crack Detection[J].IEEE Transactions on Intelligent Transportation Systems,2021,23(7):7343-7358.
[23] LIU C Q,ZHU C G,XIA X,et al.FFEDN:Feature Fusion Encoder Decoder Network for Crack Detection[J].IEEE Transactions on Intelligent Transportation Systems,2022,23(9):15546-15557.
[24] SUN X Z,XIE Y C,JIANG L M,et al.DMA-Net:Deeplab with Multi-scale Attention for Pavement Crack Segmentation[J].IEEE Transactions on Intelligent Transportation Systems,2022,23(10):18392-18403.
基本信息:
DOI：
中图分类号:U495;TP391.41
引用信息:
[1]孙玉龙,钱增志,曾帅康等.基于大型卷积核模型和自监督预训练的路面质量分析方法[J].无线电工程,2023,53(03):527-533.
基金信息:
基于计算机视觉的道路质量评估方法研究~~