ETLNet：一种基于智能手机传感器的高效TCN-BiLSTM网络用于道路异常检测

本研究针对现有道路监测系统在恶劣光照条件下无法有效检测道路表面异常的问题，提出了一种新颖的增强时间卷积网络（ETLNet），该模型结合了两个时间卷积网络层与一个双向长短期记忆层，利用智能手机的惯性传感器数据进行异常检测。研究结果显示，ETLNet模型在检测减速带时F1得分高达99.3%，显著提升了自动化道路表面监测技术的鲁棒性和效率。