基于深度学习的实时坑洞检测
计算机视觉与模式识别
2021-07-15 v1 机器学习
摘要
道路是连接不同地点的纽带，每日被使用。道路的定期维护可保持其安全与可用。检测并向相关部门报告坑洞的存在有助于消除坑洞。本研究部署并测试了多种深度学习架构以检测坑洞。用于训练的图像由安装在汽车挡风玻璃上的手机采集，此外还从互联网下载了大量图像以增大数据库规模并增加其多样性。其次，采用并比较了多种目标检测算法以实现实时坑洞检测，如 SDD-TensorFlow、YOLOv3Darknet53 和 YOLOv4Darknet53。YOLOv4 取得了最佳性能，召回率 81%、精确率 85%、平均精度均值 (mAP) 85.39%。处理速度为每秒 20 帧。该系统能够在距相机 100 米范围内检测坑洞。该系统可通过提前检测坑洞来提高驾驶员安全性并改善自动驾驶汽车的性能。
引用
@article{arxiv.2107.06356,
title = {Real-Time Pothole Detection Using Deep Learning},
author = {Anas Al Shaghouri and Rami Alkhatib and Samir Berjaoui},
journal= {arXiv preprint arXiv:2107.06356},
year = {2021}
}
备注
10 pages, 16 figures