2023年MathorCup大数据竞赛赛道A：基于计算机视觉的坑洼道路检测和识别 思路论文6

本专栏提供相关国内外论文文献参考,每题大约十几篇,持续更新                

学习自动捕捉全球道路场景图像中的坑洼

在世界上任何铺砌方式中存在的几种道路危险中， 坑洼是最烦人的之一，也涉及更高的维护 成本。人们对自动检测这些 技术和研究进步带来的危害。我们的研究工作 从真实世界的道路图像中解决坑洼检测的挑战 场景。主要的新颖性在于应用最新进展 人工智能学习坑洼的视觉外观。我们构建了一个大型数据集 带有坑洼注释的图像。它们包含来自不同道路场景 世界上的城市，用不同的相机、车辆和视点拍摄 在不同的环境条件下。然后，我们对四种不同的 基于Faster R-CNN和SSD深度神经网络的目标检测模型。我们 实现了高平均精度，并在 具有GPGPU功能的Nvidia DrivePX2平台，可以嵌入在 车辆。此外，它被部署在真实的车辆上以通知检测到的人 作为AUTOPILOT H2020项目的一部分，给定物联网平台的坑洼。