zc

本项目面向传统道路巡检依赖人工、效率低且主观性强的问题，设计并实现了一套基于深度学习的道路病害智能检测系统，旨在提升道路养护的自动化与智能化水平。 系统核心功能包括道路图像中裂缝、坑洞等典型病害的自动识别与定位。整体功能模块分为：数据处理模块、模型训练模块、检测推理模块及结果可视化模块。用户可上传道路图像或视频，系统自动完成病害检测并输出带标注的结果图像。 业务流程为：首先对原始数据进行清洗与标注，并通过数据增强扩展样本多样性；随后基于YOLOv8进行模型训练与优化；在推理阶段输入图像，模型输出病害类别与边界框；最终通过可视化模块展示检测结果，辅助道路养护决策。

本项目针对传统图像检索依赖标签或单一模态特征、语义表达能力有限的问题，设计并实现了一套基于多模态对比学习的图文跨模态检索系统，实现“以文搜图”和“以图搜文”的语义级匹配。 系统核心功能包括文本查询图像、图像查询文本以及相似度排序展示。整体模块由数据处理模块、特征编码模块、相似度计算模块和检索展示模块构成。用户输入文本描述或上传图像后，系统能够在候选库中返回语义最相关的结果。 业务流程为：首先对图文数据进行清洗与配对处理；随后基于Chinese-CLIP模型提取图像与文本的联合语义特征；通过向量归一化后计算相似度，并结合高效向量检索库进行快速匹配；最终输出Top-K检索结果并进行可视化展示。