基于YOLOv8的路面隐患视觉检测：坑洼、雨水篦与检查井
计算机视觉与模式识别
2023-11-02 v1
摘要
有效检测道路隐患在道路基础设施维护和保障道路安全方面起着关键作用。本研究全面评估了目标检测模型YOLOv8在检测坑洼、雨水篦和检查井等道路隐患方面的表现。与先前版本YOLOv5和YOLOv7进行了对比分析，强调了计算效率在各种应用中的重要性。本文深入探讨了YOLOv8的架构，并探索了旨在提升不同条件下检测精度的图像预处理技术，包括光照、道路类型、隐患尺寸和类型的差异。此外，进行了超参数调优实验，通过学习率、批量大小、锚框尺寸和数据增强策略的调整来优化模型性能。模型评估基于平均精度均值（mAP），这是目标检测性能广泛接受的指标。该研究通过在不同测试场景下计算的mAP分数评估了模型的鲁棒性与泛化能力，凸显了YOLOv8在道路隐患检测与基础设施维护中的重要意义。
引用
@article{arxiv.2311.00073,
title = {YOLOv8-Based Visual Detection of Road Hazards: Potholes, Sewer Covers, and Manholes},
author = {Om M. Khare and Shubham Gandhi and Aditya M. Rahalkar and Sunil Mane},
journal= {arXiv preprint arXiv:2311.00073},
year = {2023}
}
备注
Submitted to IEEE-PuneCon-2023 Conference