基于YOLOv4与DeepLabv3的菲律宾路面病害检测与分割
计算机视觉与模式识别
2021-03-12 v1
摘要
道路交通基础设施对于全国范围内安全、快速、经济且可靠的机动性至关重要，有助于构建富有生产力的社会。然而，由于自然环境中的自然因素和反复的交通荷载，道路会随时间推移而退化。路面病害（PD）检测对于监测公共道路现状以开展有针对性的修复和预防性养护至关重要。尽管如此，对于菲律宾等发展中国家，病害检测调查仍通过人工巡检完成。本研究提出利用深度学习从2D RGB图像中记录路面病害的两种方式——检测与分割。YOLOv4用于路面病害检测，而DeepLabv3用于菲律宾小型路面图像数据集上的路面病害分割。本研究旨在为该国构建廉价、可扩展且自动化的端到端PD检测解决方案提供潜在启发的基础。
引用
@article{arxiv.2103.06467,
title = {Pavement Distress Detection and Segmentation using YOLOv4 and DeepLabv3 on Pavements in the Philippines},
author = {James-Andrew Sarmiento},
journal= {arXiv preprint arXiv:2103.06467},
year = {2021}
}