基于深度集成学习的道路损伤检测
计算机视觉与模式识别
2020-11-03 v1 机器学习
摘要
道路损伤检测对道路维护至关重要，传统上一直使用昂贵的高性能传感器进行。随着近期技术进步，尤其在计算机视觉领域，现在已可检测并分类不同类型的道路损伤，从而有助于高效维护与资源管理。本工作中，我们提出一种用于高效检测与分类道路损伤的集成模型，该模型已提交至IEEE BigData Cup Challenge 2020。我们的方案利用一种称为You Only Look Once（YOLO-v4）的先进目标检测器，其训练数据来自捷克、日本和印度的各类道路损伤图像。我们的集成方法经多个不同模型版本广泛测试，在test 1数据集上取得0.628的F1分数，在test 2数据集上取得0.6358的F1分数。
引用
@article{arxiv.2011.00728,
title = {Road Damage Detection using Deep Ensemble Learning},
author = {Keval Doshi and Yasin Yilmaz},
journal= {arXiv preprint arXiv:2011.00728},
year = {2020}
}
备注
Submitted to IEEE BigData 2020. arXiv admin note: text overlap with arXiv:2008.13101, arXiv:1811.04535 by other authors