本项目为前几天收费帮学妹做的一个项目，在工作环境中基本使用不到，但是很多学校把这个当作编程入门的项目来做，故分享出本项目供初学者参考。
一、项目描述
基于 RDDC2020 数据集，使用三种卷积神经网络（Faster R-CNN、YOLO v3、Fcos）实现的道路损伤检测系统。项目包含可执行演示客户端和模型训练配置两部分，数据来源为车载相机或手机拍摄的路面图像。
二、项目功能
提供图片和视频两种检测模式，支持在 Faster R-CNN、YOLO v3、Fcos 三种模型间切换。检测结果在画面上以标注框形式标记损伤位置，底部输出检测类别、数量和耗时。检测范围覆盖 4 类道路损伤：纵向裂缝、横向裂缝、鳄鱼裂纹、坑槽。
三、运行环境
演示系统运行于 Windows，模型训练在 Linux 下进行。原始环境要求 Python 3.5+、CUDA 8.0+、cuDNN 7.0+、OpenCV 2.4+、CMake 3.12+、MSVC 2017/2019。本项目已适配为纯 CPU 运行，无需 CUDA 即可启动，只需 Windows 10/11 x64 环境。
四、项目技术
前端为 Qt5 C++ 桌面应用，集成 darknet 深度学习框架进行推理。三种模型分别对应`cfg/1.cfg` （Faster R-CNN）、`cfg/2.cfg` （YOLO v3）及 Fcos 配置，权重文件`.weights` 由对应网络训练产出。依赖 OpenCV 做图像/视频解码与可视化标注，测试数据取自日本多城市道路实拍素材。
以上系统源码经过技术整理与调试，确保能正常运行
五、项目截图
