基于先进 AI 的目标检测模型在日间路面标线质量评估中的对比分析
计算机视觉与模式识别
2025-03-18 v2
摘要
利用深度学习的视觉目标检测在计算机视觉中起着至关重要的作用，并在交通工程中有着广泛的应用。本文专注于使用 You Only Look Once（YOLO）模型在日间检测路面标线质量，利用其先进的架构特性，通过精确和实时的评估来提高道路安全性。本研究利用来自 New Jersey 的图像数据，采用了三种 YOLOv8 变体：YOLOv8m、YOLOv8n 和 YOLOv8x。根据模型将路面标线分类为良好、中等和差能见度类别的预测准确率对它们进行了评估。结果表明，YOLOv8n 在准确率和计算效率之间提供了最佳平衡，对于具有良好能见度的目标实现了最高的平均精度均值，并在各种交并比阈值下表现出鲁棒的性能。本研究通过提供一种自动化且准确的路面标线质量评估方法，提高了交通安全。
引用
@article{arxiv.2503.11008,
title = {Comparative Analysis of Advanced AI-based Object Detection Models for Pavement Marking Quality Assessment during Daytime},
author = {Gian Antariksa and Rohit Chakraborty and Shriyank Somvanshi and Subasish Das and Mohammad Jalayer and Deep Rameshkumar Patel and David Mills},
journal= {arXiv preprint arXiv:2503.11008},
year = {2025}
}
备注
6 pages, 3 figures, accepted at IEEE CAI 2025