智慧桥梁数据集,桥梁部件和缺陷多标签分割与检测数据集,5.4GB,来自100多座不同桥梁的9920张图像,专门为实际使用而设计的包括桥梁检查标准定义的所有视觉上独特的损伤类型。数据集中的标签类别,共分为3大类,19小类,分割提供yolo,json两种标注方式,检测提供yolo标注方式。
第一类
混凝土缺陷标签:空洞、风化、短吻鳄裂缝、剥落、重新成型、暴露的钢筋、空洞区域、裂缝、岩袋类,
第二类
一般缺陷标签:锈蚀、湿斑、风化、涂鸦类。
第三类
物体部件标签:轴承、伸缩缝、排水、防护设备、接缝胶带、冲刷/混凝土腐蚀等级
concrete defect tag: cavity,efflorescence,alligator crack,spalling,restformwork,exposed rebars, hollowareas, crack, rockpocket classes,
general defect tag: rust, wetspot, weathering, graffiti classes.
object part tag: bearing, expansion joint, drainage, protective equipment, joint tape, washouts/concrete corrosion classes
以下是每一类的数量统计
Class类别ㅤImages数量ㅤObjects目标数ㅤCount on imageaverage(平均每张图目标数) Area on imageaverage(平均每张图目标占比)
rust➔polygon 3915 14720 3.76 4.55%
spalling➔polygon 3739 9884 2.64 5.48%
weathering➔polygon 3096 4634 1.5 34.5%
crack➔polygon 1981 3626 1.83 1.33%
efflorescence➔polygon 1729 3965 2.29 9.34%
protective equipment➔polygon 1494 1890 1.27 20.66%
cavity➔polygon 1355 9271 6.84 4.67%
hollowareas➔polygon 1252 1557 1.24 17.87%
drainage➔polygon 1181 1652 1.4 6.62%
wetspot➔polygon 1109 1661 1.5 18.57%
数据集名称
智慧桥梁数据集 —— 桥梁部件和缺陷多标签分割与检测
数据集描述
这是一个专门为桥梁部件和缺陷的多标签分割与检测设计的数据集。该数据集涵盖了100多座不同桥梁的9920张图像,旨在识别和分类桥梁结构中的各种缺陷和部件。数据集被细分为三大类和19个小类,提供了详细的缺陷和部件标签。该数据集不仅适用于桥梁维护和安全管理,也为研究者提供了一个重要的基准资源,用于开发和评估计算机视觉算法。
数据集特点
- 多样性:数据集来自100多座不同类型的桥梁,确保了数据的多样性和代表性。
- 详细分类:数据集分为三大类和19个小类,涵盖了桥梁检查标准定义的所有视觉上独特的损伤类型。
- 多标签:每个图像可能包含多个标签,适用于多标签分类和分割任务。
- 多种标注方式:数据集提供了YOLO和JSON两种标注方式,以适应不同的模型训练需求。
- 高分辨率图像:数据集总大小为5.4GB,意味着图像质量较高,有助于提高缺陷检测和分割的准确性。
- 统计信息:提供了每种类别在数据集中的数量统计,包括图像数量、目标数量、平均每张图目标数以及平均每张图目标占比。
数据集组成
-
类别:
- 第一类:混凝土缺陷标签(Concrete Defect Tag)
- 空洞(Cavity)
- 风化(Efflorescence)
- 短吻鳄裂缝(Alligator Crack)
- 剥落(Spalling)
- 重新成型(Restformwork)
- 暴露的钢筋(Exposed Rebars)
- 空洞区域(Hollow Areas)
- 裂缝(Crack)
- 岩袋类(Rock Pocket)
- 第二类:一般缺陷标签(General Defect Tag)
- 锈蚀(Rust)
- 湿斑(Wet Spot)
- 风化(Weathering)
- 涂鸦类(Graffiti)
- 第三类:物体部件标签(Object Part Tag)
- 轴承(Bearing)
- 伸缩缝(Expansion Joint)
- 排水(Drainage)
- 防护设备(Protective Equipment)
- 接缝胶带(Joint Tape)
- 冲刷/混凝土腐蚀等级(Washouts/Concrete Corrosion)
- 第一类:混凝土缺陷标签(Concrete Defect Tag)
-
标注格式:
- 分割:YOLO格式和JSON格式
- 检测:YOLO格式
数据集用途
- 缺陷检测与分割:用于训练和测试识别桥梁结构中缺陷和部件的算法。
- 桥梁维护:在实际应用中,可以用于自动化监控桥梁状态,及时发现并处理安全隐患。
- 故障预防:帮助桥梁管理部门提前预警,减少由于结构缺陷导致的事故风险。
- 研究与开发:为研究人员提供一个基准数据集,用于比较不同算法的效果。
- 教育与培训:作为教学资源,帮助学生理解计算机视觉和机器学习的基本概念。
数据集统计信息
类别 | 图像数量 | 目标数量 | 平均每张图目标数 | 平均每张图目标占比 |
---|---|---|---|---|
Rust | 3915 | 14720 | 3.76 | 4.55% |
Spalling | 3739 | 9884 | 2.64 | 5.48% |
Weathering | 3096 | 4634 | 1.5 | 34.5% |
Crack | 1981 | 3626 | 1.83 | 1.33% |
Efflorescence | 1729 | 3965 | 2.29 | 9.34% |
Protective Equip. | 1494 | 1890 | 1.27 | 20.66% |
Cavity | 1355 | 9271 | 6.84 | 4.67% |
Hollow Areas | 1252 | 1557 | 1.24 | 17.87% |
Drainage | 1181 | 1652 | 1.4 | 6.62% |
Wet Spot | 1109 | 1661 | 1.5 | 18.57% |
数据集获取
该数据集是商业性质的数据集,一旦购买不可退款。如果需要获取该数据集,请联系me.