[논문 리뷰] RDD2022: A multi-national image dataset for automatic Road Damage Detection

Deeksha Arya, Hiroya Maeda외 3명|arXiv (Cornell University)|2022. 09. 18.

Infrastructure Maintenance and Monitoring인용 수 85

한 줄 요약

RDD2022은 6개국에 걸친 대규모의 주석이 달린 다국적 도로 손상 이미지 데이터셋(47,420개 이미지, 55,000+ 손상 사례)을 제공하여 자동 도로 손상 탐지 및 분류를 위한 심층 학습 모델을 교육하고 벤치마킹합니다.

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.).

연구 동기 및 목표

• 대규모 다국적 이미지 데이터셋을 자동 도로 손상 탐지 및 분류를 위해 제공한다.
• 지도 학습이 가능한 도로 손상 사례를 주석 처리한다.
• 전 세계 도전(Global challenge) CRDDC2022를 통해 교차 국가 벤치마킹을 촉진한다.
• 저비용의 자동 도로 상태 모니터링을 위한 지방자치단체 및 도로 관리 당국 지원.

제안 방법

• 6개국에서 다양한 도로 이미지를 수집하고 주석화한다.
• 4가지 손상 유형에 걸쳐 55,000건이 넘는 도로 손상 사례를 주석화한다.
• CRDDC2022 Crowd sensing 기반 도로 손상 탐지 도전의 일부로 데이터셋을 공개한다.
• 연구자들이 이 데이터셋에서 탐지/분류 방법을 개발하고 벤치마크하도록 권장한다.

실험 결과

연구 질문

• RQ1 단일 데이터셋을 사용하여 여러 국가에서 딥 러닝 모델이 도로 손상을 얼마나 잘 탐지하고 분류할 수 있는가?
• RQ2 네 가지 손상 유형( longitudinal cracks, transverse cracks, alligator cracks, potholes )에 대한 다양한 알고리즘의 성능은 어떠한가?
• RQ3 CRDDC2022 표준이 강건한 교차 국가 도로 손상 탐지 방법을 촉진할 수 있는가?

주요 결과

• 데이터셋은 여섯 나라의 47,420개의 도로 이미지로 구성되어 있다.
• 55,000건이 넘는 도로 손상 사례가 주석 달려 있다.
• 네 가지 손상 유형이 주석화되어 있다: longitudinal cracks, transverse cracks, alligator cracks, potholes.
• 데이터셋은 심층 학습 기반 탐지 및 분류 방법의 벤치마크를 위한 것이다.
• CRDDC2022와 같은 플랫폼은 글로벌 참여 및 벤치마킹을 촉진한다.
• 지자체 및 도로 당국은 RDD2022에서 학습된 모델을 저비용 모니터링에 사용할 수 있다.