李姗

（成都信息工程大学计算机学院，成都 610225）

0 引言

道路病害（裂隙、坑洞）检测一直以来在道路安全领域中起着举足轻重的作用，及时发现道路上的裂隙和坑洞并进行修补可以有效地减少路面病害（裂隙、坑洞）带来的损失，进而减少对路面行车安全的影响。早期的道路病害检测以传统LBP、Gabor等纹理特征提取为主，往往在实际中表现不佳。由于近年发展起来的深度学习技术可发挥从数据中学习表征的优势，基于深度学习的检测方法相对于传统的检测算法来说，其道路病害的检测精度已经有了很好的提升。

基于深度学习的道路病害（裂隙、坑洞）检测方法一般有三种：①图像分类。对不同病害类别或等级的路况图像进行标注，并在采集到的图像中进行重叠式区域划分，进行分类，可以是二类（有无病害）和多类（不同病害级别）。②语义分割。对道路病害进行像素级标注，使用U-Net等语义分割方法进行像素级分类。好处是可以刻画病害形态，但标注代价极其大。③目标检测。将病害位置标成目标框，在采集的图像中进行目标检测，既可得到位置也可以得到类别。本研究采用基于深度学习的目标检测算法进行检测。传统的目标检测算法主要是基于设计好的手工特征来进行检测，检测的效果主要与设计的特征质量有关。对于不同的目标而言，没有一种通用的特征，只能根据检测对象的特点有针对性地设计特征，所以鲁棒性很差［1-2］。近年来，基于深度学习的目标检测技术取得了长足的进步，无论是在检测效率还是准确率上都取得了很好的效果。……