Image2PCI——一种从图像直接估计路面状况指数的多任务学习框架
计算机视觉与模式识别
2023-10-13 v1
摘要
路面状况指数（PCI）是一种广泛使用的指标，基于在路面表面检测到的病害类型、范围与严重程度来评估路面性能。近来，在利用深度学习方法自动化PCI估计过程方面取得了显著进展。然而，当前方法至少依赖两个独立模型来估计PCI值——一个模型专门用于确定类型与范围，另一个用于估计其严重程度。这种方法带来了若干挑战，包括复杂性、高计算资源需求以及需要审慎考虑与解决的维护负担。为克服这些挑战，本研究开发了一个统一的多任务模型，可从俯视路面图像直接预测PCI。所提架构是一个多任务模型，由一个用于特征提取的编码器和四个用于处理特定任务的解码器组成：两个检测头、一个分割头和一个PCI估计头。通过多任务，我们能够从检测头与分割头提取特征，用于从图像直接自动估计PCI。该模型在我们标注用于多任务学习的基准化开放路面病害数据集（此类首个）上表现非常好。据我们所知，这是首个能以实时速度从图像直接估计PCI，同时在裂缝检测与分割的所有相关任务上保持优异精度的工作。
引用
@article{arxiv.2310.08538,
title = {Image2PCI -- A Multitask Learning Framework for Estimating Pavement Condition Indices Directly from Images},
author = {Neema Jakisa Owor and Hang Du and Abdulateef Daud and Armstrong Aboah and Yaw Adu-Gyamfi},
journal= {arXiv preprint arXiv:2310.08538},
year = {2023}
}