Pavementscapes：用于沥青路面损坏分割的大规模分层图像数据集
计算机视觉与模式识别
2022-08-02 v1
摘要
路面损坏分割已从深度学习中获益良多。然而，当前少数公开数据集限制了深度学习在路面损坏分割应用中的潜在探索。为解决此问题，本研究提出Pavementscapes，一个用于开发与评估路面损坏分割方法的大规模数据集。Pavementscapes由4000张分辨率为的图像组成，这些图像记录自15条不同路面的真实路面检测项目。共计8680个损坏实例在像素级别被手动标注为六类损坏。统计研究对所提数据集进行了深入调查与分析。数值实验提出了性能最优、能够分割路面损坏的深度神经网络，为路面检测的公开挑战提供了基线。实验结果也指出了使用深度学习进行损坏分割的现存问题，本研究给出了潜在的解决方案。
引用
@article{arxiv.2208.00775,
title = {Pavementscapes: a large-scale hierarchical image dataset for asphalt pavement damage segmentation},
author = {Zheng Tong and Tao Ma and Ju Huyan and Weiguang Zhang},
journal= {arXiv preprint arXiv:2208.00775},
year = {2022}
}