Classification of Potholes Based on Surface Area Using Pre-Trained Models of Convolutional Neural Network

要約

ポットホールは致命的であり、車両に重大な損傷を与えるだけでなく、死亡事故を引き起こす可能性があります。
南アジア諸国では、劣悪な路盤状態、地下排水の不足、過度の降雨が舗装の損傷の主な原因となっています。
本研究では、3 つの事前トレーニング済み畳み込みニューラル ネットワーク (CNN) モデル、つまり ResNet 50、ResNet 18、MobileNet のパフォーマンスを比較しています。
まず、舗装画像を分類して、画像にポットホールが含まれているかどうか、つまりポットホールか通常かを調べます。
次に、舗装画像を「小さなポットホール」「大きなポットホール」「通常」の 3 つのカテゴリに分類します。
舗装画像は 3.5 フィート (腰の高さ) および 2 フィートから撮影されています。
MobileNet v2 のポットホール検出精度は 98% です。
2 フィートの高さで撮影された画像の分類では、大きい舗装、小さい舗装、通常の舗装の分類の精度値はそれぞれ 87.33%、88.67%、92% でした。
同様に、ウエストフル (FFW) 高さから撮影された画像の分類の精度値は 98.67%、98.67%、および 100% です。

要約(オリジナル)

Potholes are fatal and can cause severe damage to vehicles as well as can cause deadly accidents. In South Asian countries, pavement distresses are the primary cause due to poor subgrade conditions, lack of subsurface drainage, and excessive rainfalls. The present research compares the performance of three pre-trained Convolutional Neural Network (CNN) models, i.e., ResNet 50, ResNet 18, and MobileNet. At first, pavement images are classified to find whether images contain potholes, i.e., Potholes or Normal. Secondly, pavements images are classi-fied into three categories, i.e., Small Pothole, Large Pothole, and Normal. Pavement images are taken from 3.5 feet (waist height) and 2 feet. MobileNet v2 has an accuracy of 98% for detecting a pothole. The classification of images taken at the height of 2 feet has an accuracy value of 87.33%, 88.67%, and 92% for classifying the large, small, and normal pavement, respectively. Similarly, the classification of the images taken from full of waist (FFW) height has an accuracy value of 98.67%, 98.67%, and 100%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google