[논문 리뷰] Real-Time Pothole Detection Using Deep Learning

Anas Al Shaghouri, Rami Alkhatib외 1명|arXiv (Cornell University)|2021. 07. 13.

Infrastructure Maintenance and Monitoring인용 수 31

한 줄 요약

본 논문은 실시간 포트홀 탐지를 위해 다수의 딥 러닝 객체 탐지기를 평가하고, YOLOv4Darknet53를 최적의 모델로 식별하며 약 20 FPS에서 81% 재현율, 85% 정밀도, 85.39%의 mAP를 달성하고 최대 100미터까지 탐지 가능하다고 제시한다.

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.

연구 동기 및 목표

• 도로 안전 및 유지 관리 효율성 향상을 위해 자동 포트홀 탐지를 촉진한다.
• 차량에 장착된 카메라로부터 얻은 도로 영상에서 딥 러닝 탐지기가 실시간으로 작동할 수 있는지 평가한다.
• 다중 탐지 아키텍처를 비교하여 포트홀 탐지에 가장 성능이 좋은 모델을 식별한다.

제안 방법

• 휴대폰 카메라 및 인터넷 소스로부터 포트홀 이미지를 수집하여 다양한 학습 데이터를 구성한다.
• 포트홀 탐지를 위한 여러 객체 탐지 아키텍처(예: SSD-TensorFlow, YOLOv3Darknet53, YOLOv4Darknet53)를 평가한다.
• 재현율, 정밀도, 평균 정확도(mAP), 처리 속도(초당 프레임) 등의 성능을 측정한다.
• 시스템의 실용적 탐지 범위를 결정한다(예: 100미터에서 탐지 가능한 포트홀).

실험 결과

연구 질문

• RQ1 실시간 설정에서 포트홀 탐지를 위한 최상의 정확도를 제공하는 딥 러닝 객체 탐지기는 무엇인가?
• RQ2 차량에 탑재된 시스템에서 탐지 정확도와 속도 간의 균형은 어떠한가?
• RQ3 시스템이 신뢰성 있게 포트홀을 탐지할 수 있는 최대 탐지 거리는 얼마인가?

주요 결과

모델	재현율	정밀도	mAP	FPS	탐지 거리
YOLOv4Darknet53	81%	85%	85.39%	20	100 meters

• 실험 대상 탐지기들 중에서 YOLOv4Darknet53가 전반적으로 최고의 성능을 달성했다.
• 재현율: 81% 및 정밀도: 85%인 최적 모델.
• 85.39%의 평균정밀도(mAP)를 달성했다.
• 처리 속도는 약 20fps.
• 100미터까지의 거리에서 포트홀 탐지가 가능하다.
• 이 접근법은 조기 포트홀 탐지를 통해 운전자 안전을 향상시키고 자율 주행 시스템을 지원할 수 있다.