SHREC 2022: pothole and crack detection in the road pavement using images and RGB-D data

要約

この論文は、道路舗装の甌穴と亀裂の検出に関するSHREC2022トラックに評価のために提出された方法について説明します。
路面のセマンティックセグメンテーションの合計7つの異なる実行が比較され、参加者からの6つとベースラインメソッドが比較されます。
すべてのメソッドはディープラーニング技術を活用し、それらのパフォーマンスは同じ環境（つまり、単一のJupyterノートブック）を使用してテストされます。
最新の深度カメラで収集された3836のセマンティックセグメンテーション画像/マスクペアと797のRGB-Dビデオクリップで構成されるトレーニングセットが参加者に提供されました。
次に、検証セットの496の画像/マスクのペア、テストセットの504のペア、最後に8つのビデオクリップでメソッドが評価されます。
結果の分析は、画像セグメンテーションの定量的メトリックとビデオクリップの定性的分析に基づいています。
参加と結果は、シナリオが非常に興味深いものであり、RGB-Dデータの使用がこのコンテキストでは依然として困難であることを示しています。

要約(オリジナル)

This paper describes the methods submitted for evaluation to the SHREC 2022 track on pothole and crack detection in the road pavement. A total of 7 different runs for the semantic segmentation of the road surface are compared, 6 from the participants plus a baseline method. All methods exploit Deep Learning techniques and their performance is tested using the same environment (i.e.: a single Jupyter notebook). A training set, composed of 3836 semantic segmentation image/mask pairs and 797 RGB-D video clips collected with the latest depth cameras was made available to the participants. The methods are then evaluated on the 496 image/mask pairs in the validation set, on the 504 pairs in the test set and finally on 8 video clips. The analysis of the results is based on quantitative metrics for image segmentation and qualitative analysis of the video clips. The participation and the results show that the scenario is of great interest and that the use of RGB-D data is still challenging in this context.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google