Материалы международной научной конференции «Уфимская осенняя математическая школа» (г. Уфа, 6-9 октября 2021 г.). Том 2 / отв. редактор З.Ю. Фазуллин. - Уфа: РИЦ БашГУ, 2021. - 272 с.
Применение сематических сверточных нейронный сетей для детекции трещин дорожного покрытия
Акимов А. А.
Мустафина С. И.
Своевременное устранение дефектов в зонах повышенной транспортной нагрузки снижает риск аварий. В настоящее время для контроля состояния дорожного покрытия используются методы фото- и видеонаблюдения. Оценка и анализ новых ручных данных может занять слишком много времени. Таким образом, для оценки состояния объектов требуется совершенно другая процедура. Авторы сравнили результаты работы 3 нейронных сетей (Unet, Linknet, PSPNet), используемые для семантической сегментации, на примере набора данных Crack500. Полученные результаты могут быть использованы в процессе мониторинга и прогнозирования износа дорожного покрытия.
Application of Semantic Convolutional Neural Networks to detect pavement cracks
Timely repair of defects (cracks, spalls, etc.) in areas of increased traffic reduces the risk of accidents. Currently, photo and video surveillance methods are used to monitor the condition of the road surface. Evaluating and analyzing new manual data can take too long. Therefore, a completely different method is needed to check and evaluate the condition of the controlled objects using technical vision. The authors compared the results of 3 neural networks (Unet, Linknet, PSPNet) used for semantic segmentation using the Crack500 dataset as an example. The obtained results can be used in modeling, monitoring and predicting road surface wear.