Defect Detection

for 架baseline - 调研已有道路缺陷检测的综述、18年后Trans.和顶会文章。建议从新的往前调研，了解目前的sota方法的做法、下载主流的数据集。总结出一个性能汇总统计表，里面包含了现有同赛道方法在不同数据集中的性能指标（例如：mAP、IoU、F1 Score、Precision、Recall，这里指标有点多，现有方法用什么指标 show多少指标我们直接follow就ok）。同时标明方法发表在什么刊、时间和是否开源了代码和模型。

1、Road Surface Defect Detection—From Image-Based to Non-Image-Based: A Survey

(1).数据集

a.Crack 500

b. CrackForest

c.German AsphaltPavement Distress

d.CrackTree: Automatic crack detection from pavement images(未公开)

e.DeepCrack

f. NHA12D

g.Pothole-600 Dataset

2.Pavement Defect Detection With Deep Learning: A Comprehensive Survey

评估

a．A novel hybrid approach for crack detection

期刊: PR(2020)

数据集: 网上和公开数据整理出来的，

性能指标: Precision Recall F 1 -score MPFR FPFR Time ，论文有提到指标。

算法比较 ：Faster R-CNN /Vgg16, Faster R-CNN w/ResNet101, YOLO_v3 , SSD