基于 Mask R-CNN 的智能手机拍摄图像道路损坏检测与分类
计算机视觉与模式识别
2018-11-13 v1
摘要
本文总结了我们为作为 2018 IEEE 国际大数据杯一部分举办的道路损坏检测与分类挑战赛所提出方案的 design、实验与结果。道路损坏的自动检测与分类对于维护与自动驾驶等多种应用而言是基本问题。我们展示了基于卷积神经网络的实例检测与分类方法可用于解决该问题。特别地，我们表明 Mask-RCNN（自然图像目标检测、定位与实例分割的 SOTA 算法之一）可用于以快速方式有效完成此任务。在智能手机相机采集的真实道路图像中不同类损坏的检测与分类任务上，我们在 IoU 为 50% 时取得 0.528 的平均 F1 分数，且在 NVIDIA GeForce 1080Ti 显卡上每幅图像平均推理时间为 0.105 秒。我们方法的代码与保存模型见：https://github.com/sshkhr/BigDataCup18 Submission
引用
@article{arxiv.1811.04535,
title = {Road Damage Detection And Classification In Smartphone Captured Images Using Mask R-CNN},
author = {Janpreet Singh and Shashank Shekhar},
journal= {arXiv preprint arXiv:1811.04535},
year = {2018}
}
备注
Both authors contributed equally to the paper. Under submission to the IEEE International Conference On Big Data Cup 2018