一种改进的 ResNet50 模型用于从路面图像直接预测路面状况指数
计算机视觉与模式识别
2025-04-28 v1
摘要
从路面图像准确预测路面状况指数（PCI），该指数衡量路网状况，对基础设施维护至关重要。本研究提出了一种增强版残差网络（ResNet50）架构，集成卷积块注意力模块（CBAM），用于从路面图像直接预测PCI，而无需额外标注。通过引入CBAM，模型能够自主关注图像中关键特征，从而提高预测准确性。与原始基线ResNet50和DenseNet161架构相比，增强版ResNet50-CBAM模型实现的平均绝对百分比误差（MAPE）显著降低至58.16%，而基线模型分别达到70.76%和65.48%。这些结果凸显了利用注意力机制细化特征提取潜力，从而实现对路面状况更准确且高效的评估。本研究强调了在注意力机制推动自动化路面分析领域发展中，针对性特征细化的重要性。
引用
@article{arxiv.2504.18490,
title = {An Improved ResNet50 Model for Predicting Pavement Condition Index (PCI) Directly from Pavement Images},
author = {Andrews Danyo and Anthony Dontoh and Armstrong Aboah},
journal= {arXiv preprint arXiv:2504.18490},
year = {2025}
}