論文の概要: Vehicular Road Crack Detection with Deep Learning: A New Online Benchmark for Comprehensive Evaluation of Existing Algorithms

• arxiv url: http://arxiv.org/abs/2503.18082v1
• Date: Sun, 23 Mar 2025 14:26:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:34:11.614667
• Title: Vehicular Road Crack Detection with Deep Learning: A New Online Benchmark for Comprehensive Evaluation of Existing Algorithms
• Title（参考訳）: 深層学習による車両走行き裂検出:既存アルゴリズムの総合評価のための新しいオンラインベンチマーク
• Authors: Nachuan Ma, Zhengfei Song, Qiang Hu, Chuang-Wei Liu, Yu Han, Yanting Zhang, Rui Fan, Lihua Xie,
• Abstract要約: 都市デジタルツイン (UDT) の新興分野において, 先進的インテリジェントロードインスペクション (IRI) 車両は土木インフラの維持に不可欠である。 深層学習に基づく道路亀裂検出法は, より効率的に, 正確に, 客観的に亀裂を検出するために開発された。 本稿では,SoTA の深層学習に基づくアルゴリズムについて,(2) 教師なし,(3) 半教師付き,(4) 道路亀裂検出のための弱教師付き手法を徹底的に検討する。
• 参考スコア（独自算出の注目度）: 22.162064486530024
• License:
• Abstract: In the emerging field of urban digital twins (UDTs), advancing intelligent road inspection (IRI) vehicles with automatic road crack detection systems is essential for maintaining civil infrastructure. Over the past decade, deep learning-based road crack detection methods have been developed to detect cracks more efficiently, accurately, and objectively, with the goal of replacing manual visual inspection. Nonetheless, there is a lack of systematic reviews on state-of-the-art (SoTA) deep learning techniques, especially data-fusion and label-efficient algorithms for this task. This paper thoroughly reviews the SoTA deep learning-based algorithms, including (1) supervised, (2) unsupervised, (3) semi-supervised, and (4) weakly-supervised methods developed for road crack detection. Also, we create a dataset called UDTIRI-Crack, comprising $2,500$ high-quality images from seven public annotated sources, as the first extensive online benchmark in this field. Comprehensive experiments are conducted to compare the detection performance, computational efficiency, and generalizability of public SoTA deep learning-based algorithms for road crack detection. In addition, the feasibility of foundation models and large language models (LLMs) for road crack detection is explored. Afterwards, the existing challenges and future development trends of deep learning-based road crack detection algorithms are discussed. We believe this review can serve as practical guidance for developing intelligent road detection vehicles with the next-generation road condition assessment systems. The released benchmark UDTIRI-Crack is available at https://udtiri.com/submission/.
• Abstract（参考訳）: 都市デジタル双生児(UDT)の新興分野において,道路破壊自動検知システムを備えたインテリジェント道路検査(IRI)車両が土木インフラの維持に不可欠である。 過去10年間で、手動による視覚検査を置き換えることを目的として、より効率的に、正確に、客観的にき裂を検出するディープ・ラーニング・ベースの道路き裂検出法が開発されてきた。 それでも、最先端(SoTA)ディープラーニング技術、特にデータ融合とラベル効率のアルゴリズムについて、体系的なレビューが欠如している。 本稿では,(1)教師付き,(2)教師なし,(3)半教師付き,(4)道路ひび割れ検出のための弱教師付き手法を含む,SoTA深層学習に基づくアルゴリズムを徹底的にレビューする。 また、UDTIRI-Crackと呼ばれるデータセットを作成し、7つの公開アノテートソースから2500ドルの高品質な画像をこの分野で最初の大規模なオンラインベンチマークとして作成する。 道路亀裂検出のための一般のSoTA深層学習アルゴリズムの検知性能, 計算効率, 一般化性を比較するため, 総合的な実験を行った。 さらに,道路亀裂検出のための基礎モデルと大規模言語モデル(LLM)の実現可能性について検討した。 その後、深層学習に基づく道路亀裂検出アルゴリズムの既存の課題と今後の開発動向について論じる。 本レビューは,次世代道路環境評価システムを用いたインテリジェントな道路検知車両開発のための実践的ガイダンスとして有効であると考えられる。 リリースされたベンチマークUDTIRI-Crackはhttps://udtiri.com/submission/.com/で公開されている。

関連論文リスト

• Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
  車線検出は自律運転認識システムにおいて重要な役割を果たす。 ディープラーニングアルゴリズムが普及するにつれて、それらに基づく単眼車線検出法は優れた性能を示した。 本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
  論文  参考訳（メタデータ） (2024-11-25T12:09:43Z)
• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• SHM-Traffic: DRL and Transfer learning based UAV Control for Structural Health Monitoring of Bridges with Traffic [0.0]
  本研究は,橋梁における構造的健康モニタリング(SHM)の高度化に焦点をあてる。 無人航空機(UAV)の深部強化学習(DRL)に基づく制御手法を提案する。 本手法は,交通が進行している間にコンクリート橋脚の調査を行い,ひび割れを検知する。 我々は、CNNが最大12%のダメージ検出と1.8倍の報酬で、Cannyエッジ検出器がタスク完了時間を最大40%短縮するのを観察した。
  論文  参考訳（メタデータ） (2024-02-22T18:19:45Z)
• AI Powered Road Network Prediction with Multi-Modal Data [0.9426448361599084]
  本研究では,低解像度衛星画像とGPSトラジェクトリデータの両方を利用する融合戦略を用いて,ディープラーニングを用いた道路自動検出のための革新的なアプローチを提案する。 我々は,早期と後期の融合戦略を厳密に検討し,異なる融合設定を用いて深層学習に基づく道路検出性能を評価する。
  論文  参考訳（メタデータ） (2023-12-28T14:31:07Z)
• Deep Learning Approaches in Pavement Distress Identification: A Review [0.39373541926236766]
  本稿では,舗装災害検出・分類のための画像処理技術と深層学習技術の最近の進歩を概観する。 これらのアルゴリズムがパターンを識別し、広範囲なデータセットに基づいて予測する能力は、舗装災害識別の領域に革命をもたらした。 高解像度画像をキャプチャすることで、UAVは深層学習アルゴリズムを用いて処理できる貴重なデータを提供し、様々な舗装の苦痛を効果的に検出し分類する。
  論文  参考訳（メタデータ） (2023-08-01T20:30:11Z)
• Analyzing Robustness of the Deep Reinforcement Learning Algorithm in Ramp Metering Applications Considering False Data Injection Attack and Defense [0.0]
  ランプメータリング(英語: Ramp metering)は、高速道路の本線への車両の走行を制御する行為である。 深部Q-Learningアルゴリズムは,ループ検出情報のみを入力として利用する。 モデルは、道路のジオメトリーやレイアウトに関わらず、ほぼすべてのランプ計測サイトに応用できる。
  論文  参考訳（メタデータ） (2023-01-28T00:40:46Z)
• Perspective Aware Road Obstacle Detection [104.57322421897769]
  道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。 画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。 次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
  論文  参考訳（メタデータ） (2022-10-04T17:48:42Z)
• RoadAtlas: Intelligent Platform for Automated Road Defect Detection and Asset Management [8.441428233111843]
  RoadAtlasは、道路欠陥の検出、道路マーキング解析、ユーザによるデータの提示と入力のためのWebベースのダッシュボードをサポートする、新しいエンドツーエンド統合システムである。
  論文  参考訳（メタデータ） (2021-09-08T01:26:15Z)
• BoMuDANet: Unsupervised Adaptation for Visual Scene Understanding in Unstructured Driving Environments [54.22535063244038]
  非構造交通環境における視覚的シーン理解のための教師なし適応手法を提案する。 本手法は,車,トラック,二輪車,三輪車,歩行者からなる密集・異種交通を伴う非構造現実シナリオを対象としたものである。
  論文  参考訳（メタデータ） (2020-09-22T08:25:44Z)
• AutoOD: Automated Outlier Detection via Curiosity-guided Search and Self-imitation Learning [72.99415402575886]
  外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。 本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。 さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-06-19T18:57:51Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)

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。