本研究は、道路損傷状況の効率的な監視方法を模索している3つの国を対象としています。本研究では、インド、日本、チェコ共和国から収集した26000枚以上の道路画像を用いて、深層学習ベースの道路損傷検出モデルを包括的に分析することに成功しました。この分析に基づき、本研究では、前述の国々における道路損傷の検出と分類のために、精度とリソース要件が異なるさまざまなソリューションを提供しています（最もパフォーマンスの高いモデルは、F1-Score 0.67を達成しました）。
This study addresses countries struggling to find efficient solutions for monitoring road conditions. Using more than 26000 road images collected from India, Japan, and the Czech Republic, we were able to comprehensively analyze the location dependency of the Deep Learning-based Road Damage Detection models. Based on the analysis, the study offers a range of solutions with varying accuracy and resource requirements (the best performing model achieved an F1-Score of 0.67) to detect and classify road damage in the aforementioned countries.
Deekshaさん、おめでとうございます！
【論文情報】
Deeksha Arya, Hiroya Maeda, Sanjay Kumar Ghosh, Durga Toshniwal, Alexander Mraz, Takehiro Kashiyama, Yoshihide Sekimoto, Deep learning-based road damage detection and classification for multiple countries, Automation in Construction, Volume 132, 2021, 103935, https://doi.org/10.1016/j.autcon.2021.103935.
