深度学习在路面病害识别中的方法：综述
计算机视觉与模式识别
2023-08-03 v1
摘要
本文对用于路面病害检测与分类的图像处理和深度学习技术的最新进展进行了全面综述，这是现代路面管理系统的关键方面。由人类专家执行的传统人工检测过程正逐渐被子解决方案取代，后者利用机器学习和深度学习算法来提升效率与精度。这些算法基于大规模数据集辨识模式并作出预测的能力，彻底改变了路面病害识别领域。本文研究了无人驾驶飞行器（UAV）用于数据收集的集成，其提供了如空中视角和大面积高效覆盖等独特优势。通过捕获高分辨率图像，UAV 提供可被深度学习算法处理以有效检测和分类各类路面病害的宝贵数据。虽然主要关注 2D 图像处理，本文也承认与 3D 图像相关的挑战，如传感器限制与计算需求。理解这些挑战对于领域的进一步进展至关重要。本综述的发现显著促进了路面病害检测的发展，推动了高效路面管理系统的开发。随着自动化方法持续成熟，深度学习技术的实施在为社会确保更安全、更耐久的道路基础设施方面大有前景。
引用
@article{arxiv.2308.00828,
title = {Deep Learning Approaches in Pavement Distress Identification: A Review},
author = {Sizhe Guan and Haolan Liu and Hamid R. Pourreza and Hamidreza Mahyar},
journal= {arXiv preprint arXiv:2308.00828},
year = {2023}
}