RDD2022：用于道路损伤自动检测的多国图像数据集
计算机视觉与模式识别
2022-09-20 v1 人工智能
机器学习
摘要
本文的数据文章描述了道路损伤数据集 RDD2022，其包含来自日本、印度、捷克共和国、挪威、美国和中国六个国家的 47,420 张道路图像。这些图像已标注了超过 55,000 个道路损伤实例。数据集中记录了四类道路损伤，即纵向裂缝、横向裂缝、龟裂和坑洞。该标注数据集旨在用于开发基于深度学习的方法来自动检测与分类道路损伤。该数据集已作为基于众感感知的道路损伤检测挑战赛（CRDDC2022）的一部分发布。CRDDC2022 挑战赛邀请全球研究人员提出针对多国道路损伤自动检测的解决方案。市政部门和道路管理机构可利用 RDD2022 数据集及使用 RDD2022 训练的模型，对道路状况进行低成本自动监测。此外，计算机视觉与机器学习研究人员可使用该数据集对同一类型其他基于图像的应用（分类、目标检测等）的不同算法性能进行基准测试。
引用
@article{arxiv.2209.08538,
title = {RDD2022: A multi-national image dataset for automatic Road Damage Detection},
author = {Deeksha Arya and Hiroya Maeda and Sanjay Kumar Ghosh and Durga Toshniwal and Yoshihide Sekimoto},
journal= {arXiv preprint arXiv:2209.08538},
year = {2022}
}
备注
16 pages, 20 figures, IEEE BigData Cup - Crowdsensing-based Road damage detection challenge (CRDDC'2022)