基于迁移学习的多国道路损坏检测
计算机视觉与模式识别
2020-09-01 v1 计算机与社会
摘要
许多市政与道路管理部门力求实现道路损坏的自动化评估。然而，它们常缺乏技术与资金，难以负担用于道路损坏数据采集与分析的尖端设备。尽管如日本等一些国家已开发基于智能手机、成本低廉且易得的自动道路状况监测方法，其他国家仍在寻求高效方案。本工作在此背景下作出如下贡献：首先，评估日本模型对其他国家的可用性；其次，提出一个大规模异质道路损坏数据集，包含使用智能手机从多国收集的 26620 张图像；第三，我们提出可在一个以上国家检测并分类道路损坏的通用模型；最后，当某一他国发布其自动道路损坏检测与分类的数据与模型时，我们为读者、地方机构与其他国家市政部门提供建议。我们的数据集发布于 (https://github.com/sekilab/RoadDamageDetector/)。
引用
@article{arxiv.2008.13101,
title = {Transfer Learning-based Road Damage Detection for Multiple Countries},
author = {Deeksha Arya and Hiroya Maeda and Sanjay Kumar Ghosh and Durga Toshniwal and Alexander Mraz and Takehiro Kashiyama and Yoshihide Sekimoto},
journal= {arXiv preprint arXiv:2008.13101},
year = {2020}
}
备注
16 pages, 14 figures