Rail-5k：面向钢轨表面缺陷检测的真实世界数据集
计算机视觉与模式识别
2021-06-29 v1
摘要
本文提出 Rail-5k 数据集，用于在真实应用场景即钢轨表面缺陷检测任务中评测视觉算法的性能。我们在中国各地铁路采集了超过 5k 张高质量图像，并在铁路专家协助下标注了 1100 张图像以识别最常见的 13 类钢轨缺陷。该数据集可用于两种各具独特挑战的设置：其一是使用 1k+ 标注图像的全监督设置，缺陷类别的细粒度特性与长尾分布使得视觉算法难以应对；其二是借助 4k 张无标注图像实现的半监督学习设置，这些 4k 图像未经筛选，包含可能的图像损坏且与标注图像存在域偏移，以往半监督学习方法难以轻松处理。我们相信该数据集可作为评估视觉算法鲁棒性与可靠性的宝贵基准。
引用
@article{arxiv.2106.14366,
title = {Rail-5k: a Real-World Dataset for Rail Surface Defects Detection},
author = {Zihao Zhang and Shaozuo Yu and Siwei Yang and Yu Zhou and Bingchen Zhao},
journal= {arXiv preprint arXiv:2106.14366},
year = {2021}
}