作者丨Realcat
2021年11月5日，一位来自意大利 @CNR-IMATI 的深度学习研究员 @Andrea Ranieri 公布了一段道路"坑洼、裂纹"检测的视频。视频中的场景是一次地震后的道路，道路中出现了较多的坑洼与裂纹，作者公布的视频中用红色/蓝色标注出坑洼与裂纹的位置，效果还是不错的。
一些细节
由于作者还没有完成论文撰写，目前只能从推文的回复中窥探到少量细节。
作者使用了 ResNet-101 作为主干网络的 DeepLabv3+ (也曾经尝试过使用MobileNet V2作为主干网络，效果不佳) ，使用 ONNX转换到可在OAK-D相机上运行的网络。
作者使用了4340对带有坑洼、裂纹的图像作为训练数据，尺寸为540 x 540。至于带检测裂纹区域的标注，作者使用了数据集中自带的标注信息。另外，作者还尝试利用自监督的方式使用深度信息进行“自标注”。的确，标注工作耗时耗力，作者曾经花费4个小时，却仅标注了20张图像。
至于运行速度，作者提供的测试平台是 RTX 2070，能够做到 7 pfs，仍无法做到实时（有改进空间）。
结束
这是一项非常有意思的工作，若配合GPS信息，可实现道路破损位置自动标记，用于道路检修。作者提到，该网络不止适用于道路上的裂缝检测，经过重新训练，对于混凝土墙壁上裂纹的检测同样有效。这有望用于检测因地震、飓风等对建筑物、桥梁、水坝等造成的结构损坏。
作者并没有公布更多的细节，有关本文算法更多的信息，作者后续会在正在整理的论文中进行公布，与此同时，代码、数据等也会同时公布。笔者也很期待作者后续的计划，笔者会持续关注该文动态，届时会第一时间通知各位同学。
本文仅做学术分享，如有侵权，请联系删文。
