Sep, 2023

基于表面积的坑洼分类：使用预训练的卷积神经网络模型

PDF
TL;DR比较了三个预训练卷积神经网络模型（ResNet 50，ResNet 18 和 MobileNet）性能，用于识别路段中的坑洞，并将路面图像分类为小坑洞、大坑洞和正常路面的三个类别。
potholesconvolutional neural networkpavement distressesresnetmobilenet
发现论文，激发创造
  • 用于柔性路面裂缝检测的卷积神经网络

    该研究使用了六种卷积神经网络模型来进行道路裂缝的检测，并使用一个由 14000 个样本组成的新型真实二元裂缝数据集进行微调，观察数据集扩增的效果，并得出 ResNet 和 VGG16 模型具有最高精度为 98% 的结论。

    Apr, 2023

  • 利用 YOLOv7 和 ESRGAN 改进的坑洞检测

    提出一种通过超分辨率生成对抗网络 (SRGAN) 使用低分辨率相机或图像和视频流进行自动坑洞检测的算法，并使用 You Only Look Once (YOLO) 网络在低质量和高质量的车载摄像头图像上建立基线坑洞检测性能，然后通过图像增强的方式提高速度和准确性。

    Nov, 2023

  • 提高行人安全性的雪天检测图像分类

    本研究利用计算机视觉方法，在人行道和路面上检测积雪，以减少冬季相关的跌倒伤害，特别是对于老年人和视障人士。该研究采用经过精细调整的 VGG-19 和 ResNet50 卷积神经网络，重点是在这些图像中识别积雪的存在。研究使用包含 98 个图像的数据集，均匀分为积雪和无积雪条件，采用 F1 得分和准确性度量标准对其进行评估。本研究通过采用经过精细调整的卷积神经网络架构，有效地从智能手机拍摄的图像中检测到路面上的积雪，建立在现有研究的基础上。该方法结合了迁移学习和模型集成技术，综合了 VGG19 和 ResNet50 架构的最佳预测结果。这项研究展示了计算机视觉在应对冬季相关危害中对弱势群体的潜力，并取得了 81.8% 和 81.7% 的准确性和 F1 得分。

    Jun, 2024

  • 用于道路成像和坑洞检测的计算机视觉：系统和算法现状综述

    本文介绍了二 / 三维道路数据获取的传感系统（相机、激光扫描仪和微软 Kinect），并全面综述了用于道路坑洞检测的最先进计算机视觉算法，包括传统的二维图像处理、三维点云建模和分割、以及机器 / 深度学习算法，同时讨论了现有挑战和未来发展趋势。

    Apr, 2022

  • RoadScan: 一种新颖且稳健的自动驾驶道路坑洞检测的迁移学习框架

    这篇研究论文介绍了一种使用深度学习和图像处理技术进行坑洼检测的新方法，提出的系统利用 VGG16 模型进行特征提取，并采用自定义的具有三重损失的 Siamese 网络（称为 RoadScan），以解决道路上的坑洼问题对道路使用者的重大风险。

    Aug, 2023

  • 使用智能手机捕获的图像进行道路损伤检测的深度神经网络

    本研究通过使用卷积神经网络进行物体检测的最新方法，创建了一个可供公开使用的大型路面损伤数据集，该数据集包含了来自 7 个日本市的 9053 张路面损伤图片，针对这个数据集训练出有较高准确性的路面损伤检测模型，并成功将损伤分为八个类型。

    Jan, 2018

  • 基于卷积深度学习模型的混凝土表面裂纹检测

    本论文采用各种深度学习模型，如 VGG19、ResNet50、Inception V3 和 EfficientNetV2，在表面裂缝检测上进行了精细调整，并通过精确度、召回率和 F1 得分进行了比较。

    Jan, 2024

  • 基于视差转化和路面建模的路面坑洞检测

    本篇论文介绍了一种精确可靠且计算效率高的路面坑洞检测算法，该算法基于非常密集的视差图，利用双黄金分割搜索和动态规划来估计转换参数，然后通过二次曲面拟合表征提取潜在未受损路面区域，通过随机抽样共识算法减少异常点带来的干扰，最后利用重建的三维路面模型提取检测的路面坑洞点云。实验结果表明，该方法的成功检测率约为 98.7％，整体精度约为 99.6％。

    Aug, 2019

  • 基于 Transformer 和 UNet 的深度学习模型检测道路裂缝

    本文通过比较 9 个深度学习模型在道路表面裂缝检测任务中的表现，发现基于 transformer 的模型相对于卷积神经网络更易于训练、准确率更高，但通常表现出更高的内存消耗和低效率，其中 SwinUNet 为最佳模型，结果可为表面裂缝检测提供指导。

    Apr, 2023

  • 基于深度卷积神经网络和自适应阈值法的道路裂纹检测

    本文提出了基于深度学习和自适应图像分割的道路龟裂检测算法，该算法采用深度卷积神经网络、双边滤波和自适应阈值方法，可以高效准确地检测道路表面龟裂并扩大安全。

    Apr, 2019