Road Quality Classification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21240%2F22%3A00358063" target="_blank" >RIV/68407700:21240/22:00358063 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-031-06430-2_46" target="_blank" >https://doi.org/10.1007/978-3-031-06430-2_46</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-06430-2_46" target="_blank" >10.1007/978-3-031-06430-2_46</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Road Quality Classification

Popis výsledku v původním jazyce

Road quality significantly influences safety and comfort while driving. Especially for most kinds of two-wheelers, road damage is a real threat, where vehicle components and enjoyment are heavily impacted by road quality. This can be avoided by planning a route considering the surface quality. We propose a new publicly available and manually annotated dataset collected from Google Street View photos. This dataset is devoted to a road quality classification task considering six levels of damage. We evaluated some preprocessing methods such as shadow removal, CLAHE, and data augmentation. We adapted several pre-trained networks to classify road quality. The best performance was reached by MobileNet using augmented dataset (75.55%).

Název v anglickém jazyce

Road Quality Classification

Popis výsledku anglicky

Road quality significantly influences safety and comfort while driving. Especially for most kinds of two-wheelers, road damage is a real threat, where vehicle components and enjoyment are heavily impacted by road quality. This can be avoided by planning a route considering the surface quality. We propose a new publicly available and manually annotated dataset collected from Google Street View photos. This dataset is devoted to a road quality classification task considering six levels of damage. We evaluated some preprocessing methods such as shadow removal, CLAHE, and data augmentation. We adapted several pre-trained networks to classify road quality. The best performance was reached by MobileNet using augmented dataset (75.55%).

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA18-18080S" target="_blank" >GA18-18080S: Objevování znalostí v datech o aktivitě člověka založené na fúzi</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Image Analysis and Processing – ICIAP 2022

ISBN

978-3-031-06430-2

ISSN

—

e-ISSN

1611-3349

Počet stran výsledku

11

Strana od-do

553-563

Název nakladatele

Springer International Publishing

Místo vydání

Cham

Místo konání akce

Lecce

Datum konání akce

23. 5. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000870296100046