[論文レビュー] Real-Time Pothole Detection Using Deep Learning

Anas Al Shaghouri, Rami Alkhatib+1 more|arXiv (Cornell University)|Jul 13, 2021

Infrastructure Maintenance and Monitoring被引用数 31

ひとこと要約

本論文は複数の深層学習物体検出器を評価し、YOLOv4Darknet53を最高のモデルと特定、約20 FPSで再現率81%、適合率85%、mAP 85.39%、約100メートルの距離で検出可能。

ABSTRACT

Roads are connecting line between different places, and used daily. Roads' periodic maintenance keeps them safe and functional. Detecting and reporting the existence of potholes to responsible departments can help in eliminating them. This study deployed and tested on different deep learning architecture to detect potholes. The images used for training were collected by cellphone mounted on the windshield of the car, in addition to many images downloaded from the internet to increase the size and variability of the database. Second, various object detection algorithms are employed and compared to detect potholes in real-time like SDD-TensorFlow, YOLOv3Darknet53 and YOLOv4Darknet53. YOLOv4 achieved the best performance with 81% recall, 85% precision and 85.39% mean Average Precision (mAP). The speed of processing was 20 frame per second. The system was able to detect potholes from a range on 100 meters away from the camera. The system can increase the safety of drivers and improve the performance of self-driving cars by detecting pothole time ahead.

研究の動機と目的

• 道路の安全性と維持管理の効率を改善するために自動的なポットホール検出を動機づける。
• 車載カメラによる道路画像で深層学習検出器がリアルタイムに作動できるかを評価する。
• 路面ポットホール検出において最良の性能を発揮するモデルを特定するために、複数の検出アーキテクチャを比較する。

提案手法

• 携帯電話に取り付けたカメラとインターネットソースからポットホール画像を収集し、多様な学習データセットを作成する。
• ポットホール検出のために、SSD-TensorFlow、YOLOv3Darknet53、YOLOv4Darknet53など、いくつかの物体検出アーキテクチャを評価する。
• 再現率、適合率、平均精度 (mAP)、および処理速度（フレーム/秒）で性能を測定する。
• システムの実用的な検出距離を決定する（例: 100メートルで検出可能なポットホール）。

実験結果

リサーチクエスチョン

• RQ1 リアルタイム設定でポットホール検出の精度が最も高い深層学習物体検出器はどれか？
• RQ2 車載システムでのポットホール検出における検出精度と速度のトレードオフはどのようになるか？
• RQ3 このシステムが信頼性高く検出できる最大検出距離はどれか？

主な発見

モデル	再現率	適合率	mAP	FPS	検出距離
YOLOv4Darknet53	81%	85%	85.39%	20	100 meters

• YOLOv4Darknet53 が検討された検出器の中で総合的に最良の性能を達成した。
• 再現率：81%、適合率：85%（最良モデル）
• 平均適合率（mAP）85.39%を達成。
• 処理速度は約20フレーム/秒。
• ポットホールは最大100メートルの距離から検出可能。
• このアプローチは早期のポットホール検出によって運転手の安全性を高め、自動運転システムを支援できる。