SHREC 2022：基于图像与 RGB-D 数据的道路路面坑洼与裂缝检测
计算机视觉与模式识别
2022-07-13 v5 图形学
摘要
本文描述了提交至 SHREC 2022 道路路面坑洼与裂缝检测赛道进行评估的方法。共比较了 7 种不同的路面语义分割运行结果，其中 6 个来自参与者，另加一个基线方法。所有方法均利用深度学习技术，并在相同环境（即：单个 Jupyter notebook）中测试其性能。由 3836 对语义分割图像/掩码以及使用最新深度相机采集的 797 个 RGB-D 视频片段组成的训练集已提供给参与者。随后在验证集中的 496 对图像/掩码、测试集中的 504 对图像/掩码以及最后的 8 个视频片段上对这些方法进行评价。结果分析基于图像分割的定量指标与视频片段的定性分析。参与情况及结果表明该场景极具意义，且在此背景下 RGB-D 数据的使用仍具挑战性。
引用
@article{arxiv.2205.13326,
title = {SHREC 2022: pothole and crack detection in the road pavement using images and RGB-D data},
author = {Elia Moscoso Thompson and Andrea Ranieri and Silvia Biasotti and Miguel Chicchon and Ivan Sipiran and Minh-Khoi Pham and Thang-Long Nguyen-Ho and Hai-Dang Nguyen and Minh-Triet Tran},
journal= {arXiv preprint arXiv:2205.13326},
year = {2022}
}