(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 202211158248.1 (22)申请日 2022.09.22 (71)申请人 武汉珈鹰智能科技有限公司 地址 430000 湖北省武汉市东湖新 技术开 发区关山大道1号软件产业园4.1期A3 栋13层01号- 01 (72)发明人 李明鹏　高鉴　朱大鹏　 (74)专利代理 机构 武汉智恒永道知识产权代理 有限公司 42 290 专利代理师 陈建军 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种裂缝图像识别网络的训练方法、 应用方 法及存储介质 (57)摘要 本发明公开了一种裂缝图像识别网络的训 练方法、 应用方法及存储介质， 方法包括： 获取图 像训练样 本集； 将所述图像训练样 本集输入至裂 缝图像识别网络， 确定所述图像训练样本集对应 的图像预测集， 其中， 所述裂缝图像识别网络包 括图像投影特征网络层， 所述图像投影特征网络 层用于提取图像的投影特征信息； 根据所述图像 训练样本集和所述图像预测集之间的误差， 确定 所述损失函数的值， 根据所述损失函数的值调整 所述裂缝图像识别网络的参数至满足收敛条件， 确定训练完备的裂缝图像识别网络。 本发明解决 了现有技术中深度学习模型在裂缝检测 中泛化 能力低的技 术问题。 权利要求书3页 说明书10页 附图3页 CN 115240036 A 2022.10.25 CN 115240036 A 1.一种裂缝图像识别网络的训练方法， 其特 征在于， 包括： 获取图像训练样本集； 将所述图像训练样本集输入至裂缝图像识别网络， 确定所述图像训练样本集对应的图 像预测集， 其中， 所述裂缝图像识别网络包括图像投影特征网络层， 所述图像投影特征网络 层用于提取图像的投影特 征信息； 根据所述图像训练样本集和所述图像预测集之间的误差， 确定所述损 失函数的值， 根 据所述损失函数的值调整 所述裂缝图像识别网络的参数至满足收敛条件， 确定训练完备的 裂缝图像识别网络 。 2.根据权利要求1所述的裂缝图像识别网络的训练方法， 其特征在于， 所述获取图像训 练样本集之后， 还 包括对图像训练样本集进行 预处理： 对所述图像训练样本集中每个样本 图像进行增广处理， 得到处理后的样本数据， 并判 断每个样本图像是否包括标注信息； 若所述每 个样本图像均无 标注信息， 定义第一 正例图像和第一负例图像； 若所述样本图像具有标注信 息， 获取所述标注信 息中的每个样本图像的实际裂缝分类 标签， 并定义具有标签的样本图像为第二正例图像、 以及不具有标签的样本图像为第二负 例图像。 3.根据权利要求1所述的裂缝图像识别网络的训练方法， 其特征在于， 所述裂缝图像识 别网络包括 目标编码器和对比编码器， 所述 目标编码器用于处理所述样本图像， 所述对比 编码器用于处理所述第一正例图像和/或第二正例图像、 以及第一负例图像和/或第二负例 图像； 所述目标编码器包括依次连接的目标输入层、 第一目标卷积层、 第二目标卷积层和第 三目标卷积层； 所述对比编码器包括依次连接的对比输入层、 第一对比卷积层、 第二对比卷积层和第 三对比卷积层。 4.根据权利要求3所述的裂缝图像识别网络的训练方法， 其特征在于， 所述目标编码器 和对比编 码器对样本图像的处理以及对第一正例样本图像和/或第二正例图像和 第一负例 图像和/或第二负例图像的处 理通过如下公式表示： 其中， 为处理图像样本的编码函数， 为处理第一正例图像和/或第二正例图像、 以及第一负例图像和/或第二负例图像的编码函数， 表示第一正例图像和/或第二正例 图像， 表示第一负例图像和/或第二负例图像， 与 分别表示 与 的参数， z表示 图像样本的初阶编码特征， 表示第一正例图像和/或第二正例图像的初阶编码特征， 表示第一负例图像和/或第二负例图像的初阶编码特 征。权　利　要　求　书 1/3 页 2 CN 115240036 A 25.根据权利要求4所述的裂缝图像识别网络的训练方法， 其特征在于， 所述图像投影特 征网络层包括依次连接的第一全连接层、 第一ReLU激活层、 第一归一化层、 第二全连接层、 第二ReLU激活层、 第二归一 化层和第三全连接层。 6.根据权利要求5所述的裂缝图像识别网络的训练方法， 其特征在于， 所述图像投影特 征网络层通过如下公式表示： 其中， 表示 的投影层， 表示 的投影层， z表示 图像样本的初阶编码特征， 表示第一正例图像和/或第二正例图像的初阶编码特征， 表示第一负例图像和/或 第二负例图像的初阶编码特征， 与 分别表示 与 的参数， 表示图像样本的投影 特征、 表示第一正例图像和/或第二正例图像的投影特征、 表示第一负例图像和/或 第二负例图像的投影特 征。 7.根据权利要求1所述的裂缝图像识别网络的训练方法， 其特征在于， 所述裂缝图像识 别网络还包括全局信息网络层， 所述全局信息网络层用于提取裂缝数据的全局信息， 所述 全局信息网络层通过如下公式表示： 其中， m为全局信息表征系数， 与 分别表示 与 的参数。 8.根据权利要求1所述的裂缝图像识别网络的训练方法， 其特征在于， 所述损失函数通 过如下公式表示： 其中， 为温度系数， K为样本数量， 表示余弦相似函数。 9.一种裂缝图像识别网络应用方法， 其特 征在于， 包括： 获取待检测裂缝图像； 将所述待检测裂缝图像输入至训练完备的裂缝图像识别网络， 确定预测裂缝图像分类 标签， 其中， 所述训练完备 的裂缝图像识别网络根据权利要求1至8任一项所述的裂缝图像 识别网络训练方法确定； 根据所述预测裂缝图像分类标签， 确定裂缝损伤图。 10.一种计算机可读存储介质， 其特征在于， 所述计算机程序被处理器执行时， 实现根 据权利要求 1至8任一项 所述的裂缝图像识别网络训练方法， 和/或根据权利要求9所述的裂权　利　要　求　书 2/3 页 3 CN 115240036 A 3