智慧桥梁缺陷识别数据集 桥梁裂缝识别、大桥腐蚀污渍数据集、建筑物剥落识别、桥梁暴露钢筋识别、桥梁泛碱识别图像数据集 第10235期
·
裂缝、腐蚀污渍、剥落、暴露钢筋、泛碱
信息阐述
CODEBRIM 数据集核心信息横向表格
3456 x4608分辨率
| 信息维度 | 具体内容 |
|---|---|
| 数据集类别 | 用于目标检测任务的数据集,涵盖 6 个不同类别,分别为裂缝(crack)、腐蚀污渍(corrosion stain)、剥落(spallation)、暴露钢筋(exposed bars)、泛碱(efflorescence)以及无缺陷背景(background) |
| 数据数量 | 包含 1590 张图像,其中标注对象共 8323 个;在所有图像中,有 567 张(占总数 36%)为无标注图像,且数据集未预先划分训练集、验证集和测试集 |
| 数据格式 | 图像标注采用边界框(bounding box)形式,对于包含 2 个及以上类别的边界框,会标记为 “重复边界框(duplicate bbox)” |
| 应用场景 | 主要应用于建筑行业,助力实现混凝土桥梁等基础设施的缺陷检测,为相关计算机视觉模型的训练与评估提供数据支持 |

数据集数量特征阐述
该数据集规模较为可观,总计包含 1590 张图像,这些图像共同承载了 8323 个标注对象,为目标检测模型的训练提供了丰富的数据基础。不过需要注意的是,在全部图像中,有一部分图像并未进行标注,无标注图像数量达到 567 张,占总图像数量的 36%,这在一定程度上需要使用者在数据预处理阶段加以考量。同时,该数据集未提前划分训练集、验证集和测试集,使用者需根据自身研究需求自行规划数据划分方案,以保障模型训练与评估的合理性。

数据集类别特征阐述
作为专注于混凝土缺陷检测的目标检测数据集,其类别设置全面且贴合实际应用需求,共涵盖 6 个核心类别。其中 5 个类别对应混凝土常见缺陷,分别是裂缝、腐蚀污渍、剥落、暴露钢筋和泛碱,这些类别基本覆盖了混凝土桥梁等基础设施在使用过程中易出现的主要问题;另外 1 个类别为无缺陷背景,用于区分正常混凝土表面与存在缺陷的区域,通过这样的类别划分,能够帮助模型更精准地识别和区分不同类型的混凝土缺陷,提升检测的准确性。
数据集格式特征阐述
该数据集在数据标注格式上采用了业界常用的边界框形式,这种格式能够清晰地框定出图像中的缺陷区域,便于计算机视觉模型对缺陷位置和范围进行学习与识别。同时,针对数据标注过程中可能出现的特殊情况,数据集也做出了明确规定:当一个边界框同时包含 2 个及以上类别的缺陷时,会将其标记为 “重复边界框”,这一设置既保证了标注信息的准确性,也为使用者后续处理标注数据、避免歧义提供了清晰的指引,有助于提升数据利用的效率和可靠性。
(注:文档部分内容可能由 AI 生成)
更多推荐




所有评论(0)