Дата публикации: 2024

Дата публикации в реестре: 2025-02-11T14:41:56Z

Аннотация:

Своевременная диагностика качества дорожного покрытия и обнаружение дефектов являют-ся немаловажным этапом обеспечения безопасности на дороге. Цель данной работы – разработка набора дан-ных и нейросетевой модели для сегментации разрушений на изображениях автомобильных дорог. Собран и аннотирован на уровне пикселей набор данных SegmRDD, содержащий 4 420 изображений с дефектами трех классов: «трещины», «сетка трещин», «выбоины». Набор данных сбалансирован и охватывает дорожную обстановку пяти стран, включая Россию. Разработан ансамбль на основе трех независимо обученных нейросетевых моделей YOLOv8, U-Net, Mask R-CNN и оригинального алгоритма объединения результатов, позволяющий получить агрегированный показатель полноты и точности F1, равный 70%.

Тип: статьи в журналах

Источник: Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2024. № 68. С. 75-85