点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
1.简介
道路基础设施是一项重要的公共资产,因为它有助于经济发展和增长,同时带来重要的社会效益。路面检查主要基于人类的视觉观察和使用昂贵机器的定量分析。这些方法的最佳替代方案是智能探测器,它使用记录的图像或视频来检测损坏情况。除了道路INFR一个结构,道路破损检测器也将在自主驾驶汽车,以检测他们的方式有些坑洼或其他干扰,尽量避免他们有用。
2.数据集
本项目中使用的数据集是从这里收集的。该数据集包含不同国家的道路图像,它们是日本、印度、捷克。对于图像,标签的注释是在 xml 文件中,即标签是 PASCAL VOC 格式。由于数据集包含来自日本的大部分图像(在以前的版本中,它仅包含来自日本的图像),因此根据数据来源,根据日本道路指南确定了标签。
但是最新的数据集现在包含其他国家的图像,因此为了概括我们只考虑以下标签的损害。D00:垂直裂缝,D10:水平裂缝,D20:鳄鱼裂缝,D40:坑洼
3.基于深度学习得目标检测
CNN 或卷积神经网络是所有计算机视觉任务的基石。即使在物体检测的情况下,从图像中提取物体的模式到特征图(基本上是一个比图像尺寸小的矩阵)卷积操作也被使用。现在从过去几年开始,已经对对象检测任务进行了大量研究,我们得到了大量最先进的算法或方法,其中一些简而言之,我们在下面进行了解释。
4.EDA
数据集中的图像总数:26620
标签分布
每个班级的计数
D00 : 6592
D10 : 4446
D20 : 8381
D40 : 5627
各国标签分布(全数据分析)
捷克数据分析
0 图像数量 2829
1 D00 988
2 D10 399
3 D20 161
4 D40 197
5 标签数量 1745
************************ **********************************************
印度数据分析
类别计数
6 图像数量 7706
7 D00 1555
8 D10 68
9 D20 2021
10 D40 3187
11 标签数量 6831
**************************** ******************************************
日本数据分析
12 图像数量 10506
13 D00 4049
14 D10 3979
15 D20 6199
16 D40 2243
17 标签数量 16470
************************************ ************************************
图像中标签大小的分布
标签最小尺寸:0x1 标签
最大尺寸:704x492
5.关键技术
对象检测现在是一个庞大的主题,相当于一个学期的主题。它由许多算法组成。因此,为了使其简短,目标检测算法被分为各种类别,例如基于区域的算法(RCNN、Fast-RCNN、Faster-RC