钢筋混凝土建构物分割数据集
计算机视觉与模式识别
2025-01-30 v2 机器人学
摘要
本文提供了一个包含14,805张带有分割标签的RGB图像的数据集，用于自动化机器人检查钢筋混凝土缺陷。建立了YOLOv8L-seg、DeepLabV3和U-Net分割模型的基线。统计上处理了标签不一致问题，并分析了其对模型性能的影响。采用一种错误识别工具来检查模型的错误模式。本文表明，YOLOv8L-seg表现最佳，验证mIOU得分可达0.59。发现标签不一致对模型性能几乎没有影响，而增加数据量可提升性能。识别出的主要错误模式为漏检。结果凸显了数据可得性对深度学习模型性能的重要性。识别出数据缺乏是导致漏检的显著因素。为此，本文倡导在建筑社区中增加开源方法。
引用
@article{arxiv.2407.09372,
title = {Segmentation Dataset for Reinforced Concrete Construction},
author = {Patrick Schmidt and Lazaros Nalpantidis},
journal= {arXiv preprint arXiv:2407.09372},
year = {2025}
}
备注
The ConRebSeg Dataset can be found under the following DOI: https://doi.org/10.11583/DTU.26213762 Corresponding code to download additional data and initialize the dataset under https://github.com/DTU-PAS/ConRebSeg This work is an accepted manuscript up for publication in the Elsevier journal "Automation in Construction"