[論文レビュー] RDD2022: A multi-national image dataset for automatic Road Damage Detection

Deeksha Arya, Hiroya Maeda+3 more|arXiv (Cornell University)|Sep 18, 2022

Infrastructure Maintenance and Monitoring被引用数 85

ひとこと要約

RDD2022は、6か国にまたがる自動的な路面損傷検出と分類のための深層学習モデルの訓練と評価を目的とした、注釈付きの大規模な多国籍路面損傷画像データセット（47,420画像、55,000を超える損傷事例）を提供します。

ABSTRACT

The data article describes the Road Damage Dataset, RDD2022, which comprises 47,420 road images from six countries, Japan, India, the Czech Republic, Norway, the United States, and China. The images have been annotated with more than 55,000 instances of road damage. Four types of road damage, namely longitudinal cracks, transverse cracks, alligator cracks, and potholes, are captured in the dataset. The annotated dataset is envisioned for developing deep learning-based methods to detect and classify road damage automatically. The dataset has been released as a part of the Crowd sensing-based Road Damage Detection Challenge (CRDDC2022). The challenge CRDDC2022 invites researchers from across the globe to propose solutions for automatic road damage detection in multiple countries. The municipalities and road agencies may utilize the RDD2022 dataset, and the models trained using RDD2022 for low-cost automatic monitoring of road conditions. Further, computer vision and machine learning researchers may use the dataset to benchmark the performance of different algorithms for other image-based applications of the same type (classification, object detection, etc.).

研究の動機と目的

• 自動的な路面損傷検出と分類のための大規模で多国籍な画像データセットを提供する。
• 深層学習モデルの教師あり学習を可能にするために路面損傷事例を注釈付けする。
• グローバルなチャレンジ（CRDDC2022）を通じた国間ベンチマークの促進。
• 低コストの自動路面状態モニタリングを実現するために自治体や道路管理機関を支援する。

提案手法

• 6か国から多様な路面画像を収集し、注釈を付ける。
• 4つの損傷タイプにわたって55,000件を超える路面損傷事例に注釈を付ける。
• CRDDC2022（Crowd sensing-based Road Damage Detection Challenge の一部としてデータセットを公開する。）
• 研究者がこのデータセット上で検出/分類手法を開発し、ベンチマークすることを奨励する。

実験結果

リサーチクエスチョン

• RQ1 1つのデータセットを用いて、深層学習モデルは複数の国にまたがる路面損傷をどれだけうまく検出・分類できるか？
• RQ2 4種類の損傷を検出する際のアルゴリズムの性能：longitudinal cracks、transverse cracks、alligator cracks、potholesのうち、さまざまなアルゴリズムの性能はどうなるか？
• RQ3 CRDDC2022の標準は、堅牢な国間路面損傷検出手法を促進できるか？

主な発見

• データセットは6か国からの47,420枚の路面画像で構成されています。
• 55,000件を超える路面損傷事例が注釈付けされています。
• 4種類の損傷が注釈付けされています：longitudinal cracks、transverse cracks、alligator cracks、potholes。
• データセットは深層学習ベースの検出と分類手法のベンチマークを目的としています。
• CRDDC2022のようなプラットフォームは、グローバルな参加とベンチマークを促します。
• 自治体や道路管理機関は、RDD2022で訓練されたモデルを低コストのモニタリングに利用できる可能性があります。