A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Practical Improvement and Performance Evaluation of Road Damage Detection Model using Machine Learning Melhoria prática e avaliação de desempenho do modelo de detecção de danos rodoviários usando aprendizado de máquina

Tomoya FUJII, Rie JINKI, Yuukou HORITA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

As infra-estruturas sociais, incluindo estradas e pontes construídas durante o período de rápido crescimento económico no Japão, estão agora a envelhecer e há uma necessidade de manter e renovar estrategicamente as infra-estruturas sociais que estão a envelhecer. Por outro lado, a manutenção de estradas nas zonas rurais enfrenta problemas graves, como orçamentos reduzidos para manutenção e escassez de engenheiros devido ao declínio da taxa de natalidade e ao envelhecimento da população. Portanto, é difícil inspecionar visualmente todas as estradas nas áreas rurais pelos engenheiros de manutenção, e é necessário um sistema para detectar automaticamente os danos nas estradas. Este artigo relata melhorias práticas no modelo de danos rodoviários usando YOLOv5, um modelo de detecção de objetos capaz de operar em tempo real, com foco em características de imagens rodoviárias.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E106-A No.9 pp.1216-1219
Data de publicação
2023/09/01
Publicitada
2023/06/13
ISSN online
1745-1337
DOI
10.1587/transfun.2022IML0003
Tipo de Manuscrito
Special Section LETTER (Special Section on Image Media Quality)
Categoria
Imagem

autores

Tomoya FUJII
  University of Toyama
Rie JINKI
  University of Toyama
Yuukou HORITA
  University of Toyama

Palavra-chave