招聘&找人【CV图像处理】道路桥道识别

由于样本数量有限和病害图像背景复杂，对数据库中的图像进行适当预处理（例如：光照均衡、复杂背景和图像增强、数据扩充！等等，自行选择），便于后续识别

利用自建数据库，利用召回率、精确度、AP、MAP、FPS、PA、MPA、MIOU等甲方要求的评价指标，通过进行对比实验优选出最佳的目标检测模型（对比：Faster-RCNN、SSD、YOLOV5、YOLOV7）和图像分割模型（对比：maskRCNN、U-NET、deeplab、deeplabv3+），最终选择yolov7和deeplabv3+并分别对其优化（每个模型分别至少有三处网络结构层的优化 并 通过消融实验验证优化效果），以使多类病害的目标检测和裂缝分割效率比选定的基础模型（yolov7和deeplabv3+）更高。

针对桥梁四种病害图像，利用opencv技术和数字图像处理手段，进行几何参数计算（裂缝长度、宽度、其他三类病害的面积）最终均要得到mm级别的尺寸，并与人工测量进行误差分析。（每类病害图像测试3张即可）
注：经过经摄像机成像原理+公式转换后，利用算法 将病害图像的像素级尺寸转换为以mm单位的尺寸，再与甲方所提供的人工测量尺寸做误差分析。