面积发生器与检测器的联合训练用于道路缺陷检测
计算机视觉与模式识别
2025-09-04 v1
摘要
道路缺陷检测对于道路管理部门至关重要，旨在减少因道路缺陷导致的车辆损坏。鉴于缺陷检测器通常部署在内存和计算资源有限的边缘设备上的实际场景，我们致力于不使用基于集成的方法或测试时数据增强(TTA)。为此，我们提出了一种名为JTGD(联合训练图像生成器和检测器)的方法。我们设计了双判别器以约束合成的缺陷补丁和整幅图像看起来足够真实。通过提出的CLIP基Fr\'echet Inception Distance损失函数提高了合成图像质量。在JTGD中，生成模型与检测器联合训练，以鼓励生成模型为检测器合成更难的样本。由于上述设计导致的高质量合成图像用于数据增强，JTGD在无集成和TTA条件下，超越了RDD2022道路缺陷检测基准测试中各种国家的最先进方法。JTGD仅使用约占竞争基线参数数量的20%，这使其更适合实际部署在边缘设备上。
引用
@article{arxiv.2509.03465,
title = {Joint Training of Image Generator and Detector for Road Defect Detection},
author = {Kuan-Chuan Peng},
journal= {arXiv preprint arXiv:2509.03465},
year = {2025}
}
备注
This paper is accepted to ICCV 2025 Workshop on Representation Learning with Very Limited Resources: When Data, Modalities, Labels, and Computing Resources are Scarce as an oral paper