1.簡介

道路基礎(chǔ)設(shè)施是一項(xiàng)重要的公共資產(chǎn)，因?yàn)樗兄诮?jīng)濟(jì)發(fā)展和增長，同時(shí)帶來重要的社會(huì)效益。路面檢查主要基于人類的視覺觀察和使用昂貴機(jī)器的定量分析。這些方法的最佳替代方案是智能探測(cè)器，它使用記錄的圖像或視頻來檢測(cè)損壞情況。除了道路INFR一個(gè)結(jié)構(gòu)，道路破損檢測(cè)器也將在自主駕駛汽車，以檢測(cè)他們的方式有些坑洼或其他干擾，盡量避免他們有用。

2.數(shù)據(jù)集

本項(xiàng)目中使用的數(shù)據(jù)集是從這里收集的。該數(shù)據(jù)集包含不同國家的道路圖像，它們是日本、印度、捷克。對(duì)于圖像，標(biāo)簽的注釋是在 xml 文件中，即標(biāo)簽是 PASCAL VOC 格式。由于數(shù)據(jù)集包含來自日本的大部分圖像（在以前的版本中，它僅包含來自日本的圖像），因此根據(jù)數(shù)據(jù)來源，根據(jù)日本道路指南確定了標(biāo)簽。

但是最新的數(shù)據(jù)集現(xiàn)在包含其他國家的圖像，因此為了概括我們只考慮以下標(biāo)簽的損害。D00：垂直裂縫，D10：水平裂縫，D20：鱷魚裂縫，D40：坑洼

3.基于深度學(xué)習(xí)得目標(biāo)檢測(cè)

CNN 或卷積神經(jīng)網(wǎng)絡(luò)是所有計(jì)算機(jī)視覺任務(wù)的基石。即使在物體檢測(cè)的情況下，從圖像中提取物體的模式到特征圖（基本上是一個(gè)比圖像尺寸小的矩陣）卷積操作也被使用?，F(xiàn)在從過去幾年開始，已經(jīng)對(duì)對(duì)象檢測(cè)任務(wù)進(jìn)行了大量研究，我們得到了大量最先進(jìn)的算法或方法，其中一些簡而言之，我們?cè)谙旅孢M(jìn)行了解釋。

4.EDA

數(shù)據(jù)集中的圖像總數(shù)：26620

標(biāo)簽分布

每個(gè)班級(jí)的計(jì)數(shù)D00 ： 6592 D10 ： 4446 D20 ： 8381 D40 ： 5627

各國標(biāo)簽分布（全數(shù)據(jù)分析）

捷克數(shù)據(jù)分析0 圖像數(shù)量 2829 1 D00 988 2 D10 399 3 D20 161 4 D40 197 5 標(biāo)簽數(shù)量 1745 ************************ **********************************************印度數(shù)據(jù)分析 類別計(jì)數(shù)6 圖像數(shù)量 7706 7 D00 1555 8 D10 68 9 D20 2021 10 D40 3187 11 標(biāo)簽數(shù)量 6831 **************************** ******************************************日本數(shù)據(jù)分析12 圖像數(shù)量 10506 13 D00 404914 D10 3979 15 D20 6199 16 D40 2243 17 標(biāo)簽數(shù)量 16470 ************************************ ************************************

圖像中標(biāo)簽大小的分布

標(biāo)簽最小尺寸：0x1 標(biāo)簽最大尺寸：704x492

5.關(guān)鍵技術(shù)

對(duì)象檢測(cè)現(xiàn)在是一個(gè)龐大的主題，相當(dāng)于一個(gè)學(xué)期的主題。它由許多算法組成。因此，為了使其簡短，目標(biāo)檢測(cè)算法被分為各種類別，例如基于區(qū)域的算法（RCNN、Fast-RCNN、Faster-RCNN）、兩級(jí)檢測(cè)器、一級(jí)檢測(cè)器，其中基于區(qū)域的算法本身是兩級(jí)檢測(cè)器的一部分，但我們將在下面簡要地解釋它們，因此我們明確地提到了它們。讓我們從RCNN（基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)）開始。

目標(biāo)檢測(cè)算法的基本架構(gòu)由兩部分組成。該部分由一個(gè) CNN 組成，它將原始圖像信息轉(zhuǎn)換為特征圖，在下一部分中，不同的算法有不同的技術(shù)。因此，在 RCNN 的情況下，它使用選擇性搜索來獲得 ROI（感興趣區(qū)域），即在那個(gè)地方有可能有不同的對(duì)象。從每個(gè)圖像中提取大約 2000 個(gè)區(qū)域。它使用這些 ROI 對(duì)標(biāo)簽進(jìn)行分類并使用兩種不同的模型預(yù)測(cè)對(duì)象位置。因此這些模型被稱為兩級(jí)檢測(cè)器。

RCNN 有一些限制，為了克服這些限制，他們提出了 Fast RCNN。RCNN 具有很高的計(jì)算時(shí)間，因?yàn)槊總€(gè)區(qū)域都分別傳遞給 CNN，并且它使用三種不同的模型進(jìn)行預(yù)測(cè)。因此，在 Fast RCNN 中，每個(gè)圖像只傳遞一次到 CNN 并提取特征圖。在這些地圖上使用選擇性搜索來生成預(yù)測(cè)。將 RCNN 中使用的所有三個(gè)模型組合在一起。

但是 Fast RCNN 仍然使用緩慢的選擇性搜索，因此計(jì)算時(shí)間仍然很長。猜猜他們想出了另一個(gè)名字有意義的版本，即更快的 RCNN。Faster RCNN 用區(qū)域提議網(wǎng)絡(luò)代替了選擇性搜索方法，使算法更快?，F(xiàn)在讓我們轉(zhuǎn)向一些一次性檢測(cè)器。YOLO 和 SSD 是非常著名的物體檢測(cè)模型，因?yàn)樗鼈冊(cè)谒俣群蜏?zhǔn)確性之間提供了非常好的權(quán)衡

YOLO：單個(gè)神經(jīng)網(wǎng)絡(luò)在一次評(píng)估中直接從完整圖像中預(yù)測(cè)邊界框和類別概率。由于整個(gè)檢測(cè)管道是一個(gè)單一的網(wǎng)絡(luò)，因此可以直接在檢測(cè)性能上進(jìn)行端到端的優(yōu)化

SSD（Single Shot Detector）：SSD 方法將邊界框的輸出空間離散為一組不同縱橫比的默認(rèn)框。離散化后，該方法按特征圖位置進(jìn)行縮放。Single Shot Detector 網(wǎng)絡(luò)結(jié)合了來自具有不同分辨率的多個(gè)特征圖的預(yù)測(cè)，以自然地處理各種大小的對(duì)象。

6.型號(hào)

作為深度學(xué)習(xí)的新手，或者準(zhǔn)確地說是計(jì)算機(jī)視覺，為了學(xué)習(xí)基礎(chǔ)知識(shí)，我們嘗試了一些基本且快速的算法來實(shí)現(xiàn)如下數(shù)據(jù)集：

Efficientdet_d0SSD_mobilenet_v2YOLOv3

對(duì)于第一個(gè)和第二個(gè)模型，我們使用了tensorflow 模型 zoo并且為了訓(xùn)練 yolov3 引用了this。用于評(píng)估 mAP（平均平均精度），使用 Effectivedet_d0 和 ssd_mobilenet_v2 得到的 mAP 非常低，可能是因?yàn)闆]有更改學(xué)習(xí)率、優(yōu)化器和數(shù)據(jù)增強(qiáng)的一些默認(rèn)配置。

7.結(jié)果

使用 efficicentdet_d0 進(jìn)行推導(dǎo)

import tensorflow as tffrom object_detection.utils import label_map_utilfrom object_detection.utils import config_utilfrom object_detection.utils import visualization_utils as viz_utilsfrom object_detection.builders import model_builder# Load pipeline config and build a detection modelconfigs = config_util.get_configs_from_pipeline_file('/content/efficientdet_d0_coco17_tpu-32/pipeline.config')model_config = configs['model']detection_model = model_builder.build(model_config=model_config, is_training=False)# Restore checkpointckpt = tf.compat.v2.train.Checkpoint(model=detection_model)ckpt.restore('/content/drive/MyDrive/efficientdet/checkpoints/ckpt-104').expect_partial()@tf.functiondef detect_fn(image):"""Detect objects in image."""    image, shapes = detection_model.preprocess(image)    prediction_dict = detection_model.predict(image, shapes)    detections = detection_model.postprocess(prediction_dict, shapes)return detectionscategory_index = label_map_util.create_category_index_from_labelmap('/content/data/label_map.pbtxt',                                                                    use_display_name=True)for image_path in IMAGE_PATHS:    print('Running inference for {}... '.format(image_path), end='')    image_np = load_image_into_numpy_array(image_path)    input_tensor = tf.convert_to_tensor(np.expand_dims(image_np, 0), dtype=tf.float32)    detections = detect_fn(input_tensor)    num_detections = int(detections.pop('num_detections'))    detections = {key: value[0, :num_detections].numpy()for key, value in detections.items()}    detections['num_detections'] = num_detections# detection_classes should be ints.    detections['detection_classes'] = detections['detection_classes'].astype(np.int64)    label_id_offset = 1    image_np_with_detections = image_np.copy()    viz_utils.visualize_boxes_and_labels_on_image_array(            image_np_with_detections,            detections['detection_boxes'],            detections['detection_classes']+label_id_offset,            detections['detection_scores'],            category_index,            use_normalized_coordinates=True,            max_boxes_to_draw=200,            min_score_thresh=.30,            agnostic_mode=False)    %matplotlib inline    fig = plt.figure(figsize = (10,10))    plt.imshow(image_np_with_detections)    print('Done')    plt.show()

使用 SSD_mobilenet_v2 進(jìn)行推導(dǎo)

（與efficientdet 相同的代碼）

YOLOv3 的推導(dǎo)

def func(input_file):classes = ['D00', 'D10', 'D20', 'D40']alt_names = {'D00': 'lateral_crack', 'D10': 'linear_cracks', 'D20': 'aligator_crakcs', 'D40': 'potholes'}  # initialize a list of colors to represent each possible class labelnp.random.seed(42)COLORS = np.random.randint(0, 255, size=(len(classes), 3),dtype="uint8")  # derive the paths to the YOLO weights and model configurationweightsPath = "/content/drive/MyDrive/yolo/yolo-obj_final.weights"configPath = "/content/yolov3.cfg"  # load our YOLO object detector trained on COCO dataset (80 classes)  # and determine only the *output* layer names that we need from YOLO  #print("[INFO] loading YOLO from disk...")net = cv2.dnn.readNetFromDarknet(configPath, weightsPath)ln = net.getLayerNames()ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]  # read the next frame from the fileframe = cv2.imread(input_file)(H, W) = frame.shape[:2]  # construct a blob from the input frame and then perform a forward  # pass of the YOLO object detector, giving us our bounding boxes  # and associated probabilitiesblob = cv2.dnn.blobFromImage(frame, 1 / 255.0, (416, 416),swapRB=True, crop=False)net.setInput(blob)start = time.time()layerOutputs = net.forward(ln)end = time.time()  # initialize our lists of detected bounding boxes, confidences,  # and class IDs, respectivelyboxes = []confidences = []classIDs = []  # loop over each of the layer outputsfor output in layerOutputs:    # loop over each of the detectionsfor detection in output:      # extract the class ID and confidence (i.e., probability)      # of the current object detectionscores = detection[5:]classID = np.argmax(scores)confidence = scores[classID]      # filter out weak predictions by ensuring the detected      # probability is greater than the minimum probabilityif confidence > 0.3:        # scale the bounding box coordinates back relative to        # the size of the image, keeping in mind that YOLO        # actually returns the center (x, y)-coordinates of        # the bounding box followed by the boxes' width and        # heightbox = detection[0:4] * np.array([W, H, W, H])(centerX, centerY, width, height) = box.astype("int")        # use the center (x, y)-coordinates to derive the top        # and and left corner of the bounding boxx = int(centerX - (width / 2))y = int(centerY - (height / 2))        # update our list of bounding box coordinates,        # confidences, and class IDsboxes.append([x, y, int(width), int(height)])confidences.append(float(confidence))classIDs.append(classID)  # apply non-maxima suppression to suppress weak, overlapping  # bounding boxesidxs = cv2.dnn.NMSBoxes(boxes, confidences, 0.3,0.25)  # ensure at least one detection existsif len(idxs) > 0:    # loop over the indexes we are keepingfor i in idxs.flatten():      # extract the bounding box coordinates(x, y) = (boxes[i][0], boxes[i][1])(w, h) = (boxes[i][2], boxes[i][3])      # draw a bounding box rectangle and label on the framecolor = [int(c) for c in COLORS[classIDs[i]]]cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2)label = classes[classIDs[i]]text = "{}: {:.4f}".format(alt_names[label],confidences[i])cv2.putText(frame, text, (x, y - 5),cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)  cv2_imshow(frame)