Сегментация дефектов дорожного полотна на основе нейросетевого ансамбля
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...
| Published in: | Вестник Томского государственного университета. Управление, вычислительная техника и информатика № 68. С. 75-85 |
|---|---|
| Main Author: | |
| Other Authors: | |
| Format: | Article |
| Language: | Russian |
| Subjects: | |
| Online Access: | http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001146812 Перейти в каталог НБ ТГУ |
| LEADER | 03138nab a2200349 c 4500 | ||
|---|---|---|---|
| 001 | koha001146812 | ||
| 005 | 20241101173221.0 | ||
| 007 | cr | | ||
| 008 | 241028|2024 ru s c rus d | ||
| 024 | 7 | |a 10.17223/19988605/68/8 |2 doi | |
| 035 | |a koha001146812 | ||
| 040 | |a RU-ToGU |b rus |c RU-ToGU | ||
| 100 | 1 | |a Канаева, Ирина Александровна |9 795481 | |
| 245 | 1 | 0 | |a Сегментация дефектов дорожного полотна на основе нейросетевого ансамбля |c И. А. Канаева, В. Г. Спицын |
| 246 | 1 | 1 | |a Road damage defects segmentation based on convolutional neural network ensemble |
| 336 | |a Текст | ||
| 337 | |a электронный | ||
| 504 | |a Библиогр.: 28 назв. | ||
| 520 | 3 | |a 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%. | |
| 653 | |a семантическая сегментация | ||
| 653 | |a обнаружение дефектов покрытия | ||
| 653 | |a сверточные нейронные сети | ||
| 653 | |a нейросетевой ансамбль | ||
| 655 | 4 | |a статьи в журналах |9 975569 | |
| 700 | 1 | |a Спицын, Владимир Григорьевич |9 69289 | |
| 773 | 0 | |t Вестник Томского государственного университета. Управление, вычислительная техника и информатика |d 2024 |g № 68. С. 75-85 |x 1998-8605 |w 0210-40860 | |
| 852 | 4 | |a RU-ToGU | |
| 856 | 4 | |u http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001146812 | |
| 856 | |y Перейти в каталог НБ ТГУ |u https://koha.lib.tsu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=1146812 | ||
| 908 | |a статья | ||
| 039 | |b 100 | ||
| 999 | |c 1146812 |d 1146812 | ||