基于表面积使用卷积神经网络预训练模型对坑洞进行分类
计算机视觉与模式识别
2023-10-02 v1 人工智能
摘要
坑洞是致命的，会对车辆造成严重损坏，并可能引发致命事故。在南亚国家，由于路基条件差、缺乏地下排水以及过量降雨，路面病害是主要原因。本研究比较了三种预训练的卷积神经网络（CNN）模型，即 ResNet 50、ResNet 18 和 MobileNet 的性能。首先，对路面图像进行分类以判断图像是否包含坑洞，即坑洞或正常。其次，将路面图像分为三类，即小坑洞、大坑洞和正常。路面图像分别从 3.5 英尺（腰部高度）和 2 英尺处拍摄。MobileNet v2 检测坑洞的准确率为 98%。在 2 英尺高度拍摄的图像分类中，对大坑洞、小坑洞和正常路面的准确率分别为 87.33%、88.67% 和 92%。类似地，从腰部全高（FFW）拍摄的图像分类准确率分别为 98.67%、98.67% 和 100%。
引用
@article{arxiv.2309.17426,
title = {Classification of Potholes Based on Surface Area Using Pre-Trained Models of Convolutional Neural Network},
author = {Chauhdary Fazeel Ahmad and Abdullah Cheema and Waqas Qayyum and Rana Ehtisham and Muhammad Haroon Yousaf and Junaid Mir and Nasim Shakouri Mahmoudabadi and Afaq Ahmad},
journal= {arXiv preprint arXiv:2309.17426},
year = {2023}
}
备注
24 Pages, 26 Figures