TD-RD：用于道路损伤检测的自上而下的基准数据集与实时框架
计算机视觉与模式识别
2025-01-27 v1
摘要
目标检测在过去十年中取得了显著进展，主要受益于深度学习技术的突破以及大规模数据集的普及。然而，尽管道路损伤检测在基础设施维护和道路安全等应用中具有关键意义，其研究仍相对薄弱。本文通过引入一种新颖的自上而下基准数据集，提供了与现有数据集互补的视角，专为道路损伤检测而设计。我们提出的Top-Down Road Damage Detection Dataset（TDRD）包括三类主要道路损伤：裂缝、坑洞和补丁，均采用俯视视角捕获。该数据集包含7,088张高分辨率图像，涵盖12,882个标注的道路损伤实例。此外，我们还提出了一种新颖的实时目标检测框架TDYOLOV10，旨在应对TDRD数据集所特有的挑战。与最先进模型的对比实验表明，我们的方法在基准测试上取得了具竞争力的结果。通过发布TDRD数据集，我们旨在加速该关键领域的研究。数据集的一个样本将在论文接受后公开发布。
引用
@article{arxiv.2501.14302,
title = {TD-RD: A Top-Down Benchmark with Real-Time Framework for Road Damage Detection},
author = {Xi Xiao and Zhengji Li and Wentao Wang and Jiacheng Xie and Houjie Lin and Swalpa Kumar Roy and Tianyang Wang and Min Xu},
journal= {arXiv preprint arXiv:2501.14302},
year = {2025}
}