基于相机与深度神经网络的低成本道路裂缝检测方案
计算机视觉与模式识别
2019-10-23 v2 机器学习
图像与视频处理
摘要
路面表面的自动裂缝检测是发展智能交通基础设施系统的重要研究领域。本文提出了一种低成本道路裂缝检测方案，通过在行驶车辆尾部安装商用运动相机GoPro来实现。同时，提出了一种称为ConnCrack的新方法，结合条件Wasserstein生成对抗网络与连通性图进行道路裂缝检测。在该方法中，使用带有反卷积层以实现多级特征融合的121层密集连接神经网络作为生成器，并使用5层全卷积网络作为判别器。为克服反卷积层带来的输出分散问题，在提出的ConnCrack中引入连通性图来表示裂缝信息。所提方法在公开数据集以及我们自行采集的数据上进行了测试。结果表明，在精确率、召回率和F1分数方面，与其他现有方法相比，所提方法达到了最先进的性能。
引用
@article{arxiv.1907.06014,
title = {A Cost Effective Solution for Road Crack Inspection using Cameras and Deep Neural Networks},
author = {Qipei Mei and Mustafa Gül},
journal= {arXiv preprint arXiv:1907.06014},
year = {2019}
}