基于深度机器学习方法开发新型沥青路面状况指数
机器学习
2020-04-29 v1 机器学习
统计计算
摘要
通过道路图像进行自动路面病害检测在路面研究人员和计算机视觉界仍是一项具有挑战性的问题。近年来,深度学习的进展使研究者能够开发鲁棒工具,以空前精度分析路面图像。然而,深度学习模型需要大规模真值数据集,而该数据在路面领域往往不易获取。在本研究中,我们回顾了先前的研究,其中提出了一个带标注的路面数据集,作为迈向更鲁棒、易部署的路面状况评估系统的第一步。总计提取了 7237 张谷歌街景图像,并手动标注用于分类(九类病害类别)。随后,采用 YOLO (you look only once) 深度学习框架利用标注数据集训练模型。在当前研究中,开发了基于 U-net 的模型以量化病害严重程度,并最终通过集成 YOLO 与 U-net 模型开发了混合模型,以同时分类病害并量化其严重程度。通过采用多种机器学习算法,利用 YOLO 深度学习框架进行病害分类、U-net 进行分割与病害密集化,开发了多种路面状况指数。病害分类与分割模型的输出被用于开发一种综合性路面状况工具,该工具根据提取的病害类型与严重程度对每张路面图像进行评级。
引用
@article{arxiv.2004.13314,
title = {Deep Machine Learning Approach to Develop a New Asphalt Pavement Condition Index},
author = {Hamed Majidifard and Yaw Adu-Gyamfi and William G. Buttlar},
journal= {arXiv preprint arXiv:2004.13314},
year = {2020}
}