Comparative Analysis of Object Detection Algorithms for Pothole Recognition on Roads and Highways

Luiz Fernando Mello; Evandro Luís Viapiana; Luiz Fernando M. Arruda

doi:10.5281/zenodo.18294543

Autores

Luiz Fernando Mello Centro Universitário Avantis - UNIAVAN Author
Evandro L. Viapiana Centro Universitário Avantis - UNIAVAN Author
Luiz Fernando M. Arruda Centro Universitário Avantis - UNIAVAN Author https://orcid.org/0000-0002-9159-2245

DOI:

https://doi.org/10.5281/zenodo.18294543

Palavras-chave:

Single Shot Multibox Detector, Pothole Detection, Computer Vision, You Only Look Once

Resumo

This work presents a comparative analysis using the mAP metric of the YOLOv7 and SSD algorithms applied to the field of computer vision. The comparison is performed through the detection of potholes on highways and roads. In works defended by other authors, both techniques are considered for applications in computer vision. In this study, both models achieved promising results in pothole detection; however, it is observed that the YOLOv7 model reached an mAP metric of 80%, while the SSD model obtained an mAP of 73%. Thus, the results indicate that YOLOv7 is more efficient and accurate in pothole detection in this specific context.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

Luiz Fernando M. Arruda, Centro Universitário Avantis - UNIAVAN

(Membro Estudante de Pós-Graduação do IEEE) recebeu o título de Bacharel em Engenharia da Computação pelo Centro Universitário de Goiás – Uni-Anhanguera, Brasil, em 2012, e o título de Tecnólogo em Automação Industrial pela Faculdade SENAI Ítalo de Bolonha, Brasil, em 2016. Recebeu o título de Mestre em Sistemas Eletrônicos pela Universidade Federal de Santa Catarina (UFSC), Brasil, em 2021. Atualmente, cursa o doutorado em Engenharia Elétrica e da Computação na Universidade de Illinois em Chicago (UIC), Chicago, IL, EUA, no Laboratório de Energia e Sistemas de Comutação Eletrônica (LESES). Seus interesses de pesquisa incluem eletrônica de potência, com foco em cibersegurança, redes neurais artificiais aplicadas a sistemas de conversão de energia e aplicações em energias renováveis.