全球道路损坏检测：最先进的解决方案
计算机视觉与模式识别
2021-03-24 v1 计算机与社会
摘要
本文总结了全球道路损坏检测挑战赛(GRDDC)，这是作为IEEE大数据国际会议2020一部分组织的大数据杯。大数据杯挑战赛包含发布的数据集以及具有明确评估指标的定义良好的问题。挑战赛运行于维持参与者排行榜的数据竞赛平台。在所呈现的案例中，数据由从印度、日本和捷克共和国收集的26336张道路图像构成，旨在提出自动检测这些国家道路损坏的方法。共有来自多个国家的121支队伍报名参赛。提交的解决方案使用包含两个测试集test1和test2（分别含2631和2664张图像）的数据集进行评估。本文概括了这些队伍提出的前12名解决方案。性能最佳的模型利用基于YOLO的集成学习，在test1上取得0.67的F1分数，在test2上取得0.66的F1分数。本文最后回顾了本挑战赛中行之有效的方面以及未来挑战赛可改进的方面。
引用
@article{arxiv.2011.08740,
title = {Global Road Damage Detection: State-of-the-art Solutions},
author = {Deeksha Arya and Hiroya Maeda and Sanjay Kumar Ghosh and Durga Toshniwal and Hiroshi Omata and Takehiro Kashiyama and Yoshihide Sekimoto},
journal= {arXiv preprint arXiv:2011.08740},
year = {2021}
}
备注
11 Pages, 2 Figures, 3 Tables