La détection automatique des nids de poules par traitement d'images est un aspect important de l'entretien des routes. C'est également un problème difficile en raison de l'inhomogénéité des dommages de la route et de l'arrière-plan compliqué dans les images de la route. Ces dernières années, des méthodes basées sur des réseaux de neurones à convolution profonde ont été utilisées pour relever les défis de la détection et de la classification des dommages de la routes. tout au long de ce projet, nous proposons l'approche YOLO - Real-Time Object Detection pour relever ces défis.
Dans cette approche, nous appliquons un seul réseau de neurones à l'image complète. Ce réseau divise l'image en régions et prédit les boîtes englobantes et les probabilités pour chaque région. Ces boîtes englobantes sont pondérées par les probabilités prédites.