PaveSync：用于铺装损伤分析与分类的统一和全面的数据集
计算机视觉与模式识别
2025-12-24 v1
摘要
自动化铺装缺陷检测往往难以在多样化的真实场景中获得良好泛化性，因为缺乏标准化的数据集。现有数据集在标注风格、损伤类型定义和格式方面存在差异，限制了它们的集成用于统一训练。为此，我们引入了一个全面的基准数据集，将多个公开来源整合为标准化的52747幅图像集合，包含135277个边界框标注，覆盖13种不同的损伤类型。该数据集捕获了图像质量、分辨率、观察角度和天气条件等广泛的真实世界变异，为一致的训练和评估提供了独特资源。通过对YOLOv8-YOLOv12、Faster R-CNN和DETR等最新目标检测模型进行基准测试，实现了在多样化场景下的竞争性性能。通过标准化类别定义和标注格式，该数据集为铺装缺陷检测提供了首个具有全球代表性的基准，使模型之间能够进行公平比较，包括零样本迁移到新环境。
引用
@article{arxiv.2512.20011,
title = {PaveSync: A Unified and Comprehensive Dataset for Pavement Distress Analysis and Classification},
author = {Blessing Agyei Kyem and Joshua Kofi Asamoah and Anthony Dontoh and Andrews Danyo and Eugene Denteh and Armstrong Aboah},
journal= {arXiv preprint arXiv:2512.20011},
year = {2025}
}