CrackSeg9k：裂缝分割数据集与框架的汇集与基准
计算机视觉与模式识别
2022-08-30 v1
摘要
裂缝检测是监测结构健康与保障结构安全的关键任务。人工裂缝检测耗时且受检测者主观影响。若干研究者尝试用传统图像处理或基于学习的技术解决该问题。然而，其工作范围限于单一表面类型（墙、路面、玻璃等）的裂缝检测。文献中评估这些方法的指标亦不统一，致使技术比较困难。本文通过合并已有数据集并统一标注，处理各数据集固有噪声与畸变等问题，来解决上述难题。我们还提出一种结合图像处理与深度学习模型的流水线。最后，我们在新数据集上基于这些指标对提出模型的结果进行基准测试，并与文献中最先进模型比较。
引用
@article{arxiv.2208.13054,
title = {CrackSeg9k: A Collection and Benchmark for Crack Segmentation Datasets and Frameworks},
author = {Shreyas Kulkarni and Shreyas Singh and Dhananjay Balakrishnan and Siddharth Sharma and Saipraneeth Devunuri and Sai Chowdeswara Rao Korlapati},
journal= {arXiv preprint arXiv:2208.13054},
year = {2022}
}