論文の概要: Pavement Distress Detection and Segmentation using YOLOv4 and DeepLabv3 on Pavements in the Philippines

• arxiv url: http://arxiv.org/abs/2103.06467v1
• Date: Thu, 11 Mar 2021 05:25:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-13 04:11:17.966657
• Title: Pavement Distress Detection and Segmentation using YOLOv4 and DeepLabv3 on Pavements in the Philippines
• Title（参考訳）: フィリピンの舗装におけるYOLOv4とDeepLabv3を用いた舗装距離の検出とセグメンテーション
• Authors: James-Andrew Sarmiento
• Abstract要約: 本研究は,2次元RGB画像からの2種類の舗装難読記録のための深層学習手法を提案する。 YOLOv4は舗装救難検出に使用され、DeepLabv3はフィリピンの舗装救難画像の小さなデータセットの舗装救難セグメンテーションに使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Road transport infrastructure is critical for safe, fast, economical, and reliable mobility within the whole country that is conducive to a productive society. However, roads tend to deteriorate over time due to natural causes in the environment and repeated traffic loads. Pavement Distress (PD) detection is essential in monitoring the current conditions of the public roads to enable targeted rehabilitation and preventive maintenance. Nonetheless, distress detection surveys are still done via manual inspection for developing countries such as the Philippines. This study proposed the use of deep learning for two ways of recording pavement distresses from 2D RGB images - detection and segmentation. YOLOv4 is used for pavement distress detection while DeepLabv3 is employed for pavement distress segmentation on a small dataset of pavement images in the Philippines. This study aims to provide a basis to potentially spark solutions in building a cheap, scalable, and automated end-to-end solution for PD detection in the country.
• Abstract（参考訳）: 道路輸送インフラは、生産的な社会に資する国全体の安全、迅速、経済的、信頼性の高いモビリティのために不可欠です。 しかし、道路は自然環境や繰り返しの交通負荷により、時間とともに劣化する傾向にある。 舗装ディストレス(PD)検出は、道路の現在の状態をモニタリングし、目標のリハビリテーションと予防的維持を可能にするために不可欠である。 それでもフィリピンのような発展途上国では、ディストレスト検出調査が手作業による検査によって行われている。 本研究は,2次元RGB画像からの舗装難聴の2つの方法 - 検出とセグメンテーション - に対する深層学習の利用を提案する。 YOLOv4は舗装救難検出に使用され、DeepLabv3はフィリピンの舗装救難画像の小さなデータセットの舗装救難セグメンテーションに使用される。 本研究の目的は、国内におけるPD検出のための安価でスケーラブルで自動化されたエンドツーエンドソリューションの構築において、潜在的なソリューションを刺激する基盤を提供することである。

関連論文リスト

• Advancing Pavement Distress Detection in Developing Countries: A Novel Deep Learning Approach with Locally-Collected Datasets [3.378738346115004]
  開発途上国の道路インフラ整備は、資源の制約と多様な環境要因により、独特な課題に直面している。 本研究は, 効率的な, 正確で, 局所的な舗装災害検出法の必要性に対処するものである。 本稿では、YOLO(You Only Look Once)オブジェクト検出モデルと畳み込みブロック注意モジュールを組み合わせた新しいディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-10T23:20:36Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
  自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。 潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。 適応過程を監督する信頼性のある信号はターゲット領域に存在しない。 この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-27T15:07:55Z)
• Threatening Patch Attacks on Object Detection in Optical Remote Sensing Images [55.09446477517365]
  自然画像における物体検出における高度なパッチアタック(PA)は、ディープニューラルネットワークに基づく手法における大きな安全性の脆弱性を指摘した。 我々は,TPAと呼ばれる視覚的品質の低下を伴わない,より危険度の高いPAを提案する。 我々の知る限りでは、これがO-RSIにおけるオブジェクト検出におけるPAの研究の最初の試みであり、この研究が読者にこのトピックの研究に興味を持たせることを願っている。
  論文  参考訳（メタデータ） (2023-02-13T02:35:49Z)
• A Pre-study on Data Processing Pipelines for Roadside Object Detection Systems Towards Safer Road Infrastructure [1.9967512860886603]
  単車事故はスウェーデンで最も一般的な事故である。 本研究では,道路側オブジェクト検出のためのデータ処理パイプラインの実現可能性,実装,制限,スケールアップについて検討する。 本報告の目的は、安全な道路インフラとスウェーデンのビジョンゼロに向けたスケーラブルな道路側物体検出システムの実装方法を検討することである。
  論文  参考訳（メタデータ） (2022-04-17T16:27:26Z)
• A Computer Vision-assisted Approach to Automated Real-Time Road Infrastructure Management [0.0]
  そこで本研究では,車両ダッシュボード搭載スマートフォンカメラを用いて,道路災害をリアルタイムに検出・分類するための監視対象検出手法を提案する。 IEEEの2020 Global Road damage Detection (GRDC) Challengeに参加した121チームのトップ5にランクインした。
  論文  参考訳（メタデータ） (2022-02-27T04:08:00Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• Spatio-Temporal Graph Convolutional Networks for Road Network Inundation Status Prediction during Urban Flooding [1.376408511310322]
  本研究の目的は, 道路セグメントの近未来洪水の現状を, 道路セグメントの現状と隣接道路セグメントに基づいて予測することである。 道路セグメントレベルでの道路ネットワークの洪水状況の予測に関する既存の研究は欠落している。
  論文  参考訳（メタデータ） (2021-04-06T04:03:34Z)
• Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
  ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。 対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
  論文  参考訳（メタデータ） (2021-03-26T01:18:11Z)
• An Efficient and Scalable Deep Learning Approach for Road Damage Detection [0.0]
  本稿では,画像に基づく苦難データをリアルタイムに分析するためのディープラーニングに基づくサーベイ手法を提案する。 縦ひび割れ,横ひび割れ,アリゲーターひび割れなど,ひび割れの多種多様な種類からなるデータベースを用いる。 提案されたモデルでは、F1スコアは52%から56%まで、平均推測時間は毎秒178-10枚だった。
  論文  参考訳（メタデータ） (2020-11-18T23:05:41Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。