【开源数据集】无人机道路破损检测数据集UAV-PDD2023

已于 2024-11-22 10:30:00 修改
阅读量3.7k 收藏 30
点赞数 5
文章标签： 无人机
于 2024-07-04 14:22:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hzg19930513/article/details/140178467
版权

1. 数据集简介

最近在调研一些交通基建方面的算法，发现了挺多相关的实用数据集，都是近些时间开源的，打算一一整理出来，今天这期就是通过无人机巡查拍摄的道路路面图像，其中记录了6类常见的路面破损。该数据集由河北工业大学开源，发表在Data in Brief期刊中。有意思的是，这个期刊并非传统意义上以研究问题为导向的期刊，而是以数据共享为导向的期刊。

传统的路面破损识别，通常是在特定的检测车上进行，而无人机的应用则提供了一个更为新颖的视角，尤其是近几年高像素工业相机的价格逐渐下降，低价高效的巡查设备是一个可能的迭代方向。

2. 数据集规格

UAV-PDD2023数据集共包含2440张三通道JPG格式图像，以及对应的VOC格式标注文件，同时为了增强实用性，作者特意在下雨过后1小时拍摄了部分路段的照片。数据集中，图像规格为2592×1944，来自于一个4K的相机拍摄的大尺寸图像切分得到，单个位置共有4张图像。图像中分别标记了六种类型的道路损坏，分别为：

1. Longitudinal cracks，纵向裂缝，LC

2. Transverse cracks，横向裂缝，TC

3. Alligator cracks，鳄鱼裂缝，AC

4. Oblique cracks，斜裂缝，OC

5. Repair，修复，RP

6. Potholes，坑洼，PH

3. 数据集下载

【下载地址】

【开源数据集】无人机道路破损检测数据集UAV-PDD2023

关于数据集的任何问题，均可以在评论区或后台私信留言，我看到会第一时间回复。欢迎关注！

同时，您也可以在VX公众号：石小坚，获取更多数据集！

整理不易，多多关注啦~

石小坚
关注
基于YOLO-NAS的道路坑洼和损坏数据集训练与检测实现
QromMatlab的博客
09-26 637
接着，使用训练配置文件训练YOLO-NAS模型。训练完成后，我们可以使用训练好的权重进行模型推理，并对测试图像进行预测。在本文中，我们将介绍如何使用YOLO-NAS训练道路坑洼和损坏数据集，并实现相应的检测代码。确保数据集包含足够数量的正样本和负样本，并进行适当的标注，以便YOLO-NAS可以学习检测道路坑洼和损坏。完成模型训练后，我们可以使用训练得到的权重文件进行道路坑洼和损坏的检测。在训练过程中，YOLO-NAS将根据配置文件中指定的参数和数据集进行模型训练，并在每个epoch结束时保存训练权重文件。
【目标检测数据集】无人机高空拍摄路面车辆数据集6770张VOC+YOLO格式.zip
10-03
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：6778 标注数量(xml文件个数)：6778 标注数量(txt文件个数)：6778 标注类别数：1 标注类别名称:["vehicle"] 每个类别标注的框数： vehicle 框数 = 89122 总框数：89122 使用标注工具：labelImg 标注规则：对类别进行画矩形框
路面裂缝数据集 CrackForest-dataset-master.zip
07-20
深度学习 图像识别 路面裂缝数据集
无人机视角下的车辆数据集
最新发布
2501_91071614的博客
03-15 1464
本数据集是由无人机拍摄的真实场景下的机动车图像组成，涵盖五种不同的车辆类别：小汽车、面包车、公共汽车、货车和卡车。总样本数: 30654张图像（训练集: 20970张，验证集: 5242张，测试集: 1442张）数据集大小: 约3.5GB标注格式: YOLO算法适用的txt标签文件采集条件: 包含白天和黑夜等多种场景下的实拍图片数据增强: 无任何人工数据增强成分。
路面车道线，车辆以及路面裂缝数据集（带有json格式标注）
05-18
本人将该数据集作为rcnn进行路面车道线，车辆以及裂缝检测的训练数据集，标注不易
【PP-Picodet】道路损伤目标检测数据集训练模型
qq_43281829的博客
05-30 936
用的是RGDD2020数据集和武汉市11月份坑洞的数据。
道路破损检测操作细则及采集数据处理
03-03
PaveDetATEx 是针对高速公路智能检测车所开发的新一代检测软件，可以用来对高速公路路面病害进行分类、识别、统计、分析等。
基于道路病害检测数据集构建使用YOLOv8进行目标检测系统 无人机航拍地面道路病害数据集 航空拍摄及地面拍道路病害检测7类
2401_88441190的博客
01-03 1449
基于道路病害检测数据集构建使用YOLOv8进行目标检测系统 无人机航拍地面道路病害数据集 航空拍摄及地面拍道路病害检测7类
深度学习+图像分割+道路裂缝数据集
09-03
内有两万张道路裂缝图像，我用labelme标注了250张，同时生成的json文件也有，可以直接用labelme打开。我还用python程序批量将250张标注好的图像生成mask图像，这250张图像可以直接用来做图像分割任务，如有需要批量转化json文件为mask图像的python程序可以查看我主页配套的另一资源https://download.csdn.net/download/weixin_52101154/38525192
【转】无人机故障数据集ALFA: A Dataset for UAV Fault and Anomaly Detection
shenjiansword的博客
02-12 2285
这里写自定义目录标题 无人机故障数据集资源地址：https://kilthub.cmu.edu/articles/dataset/ALFA_A_Dataset_for_UAV_Fault_and_Anomaly_Detection/12707963 参考文献： [1]: Keipour A, Mousaei M, Scherer S. ALFA: A dataset for UAV fault and anomaly detection. The International Journal of Robo
视觉无人机进行高速公路违章检测—高速公路交通法规之应急车道
IT荻的博客
11-24 1891
由于课题需要，利用视觉无人机进行高速公路违章检测，根据法规， 机动车在高速公路上行驶，不得有下列行为： 　　1、倒车、逆行、穿越中央分隔带掉头或者在车道内停车。 　　2、在匝道、加速车道或者减速车道上超车。 　　3、骑、轧车行道分界线或者在路肩上行驶。 　　4、非紧急情况时在应急车道行驶或者停车。 众所周知，高速公路应急车道是救援通道，更是生命通道!但是，占用应急车道的违法行为在高速公路上是一个普...
YOLOv7道路破损检测+训练好的权重+道路破损检测数据
02-20
1、YOLOv7道路破损检测，包含训练好的道路破损检测权重，以及PR曲线，loss曲线等等 2、YOLO道路破损检测数据集，7000多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOL道路破损识别，类别为D40、D44、D0、D20、D01、D11、D10、D50、D43、D0w0，数据集图片数量为7000 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
无人机行人检测数据集（已标注）
06-25
无人及行人检测数据集，包括已经标注好的xml文件和txt文件，数据集包含训练集测试集和验证集，下载解压后即可使用。
HIT-UAV：无人机高空红外热数据集
04-08
用于无人机（UAV）目标检测应用的高空红外热数据集。该数据集包括从无人机在学校、停车场、道路和操场等各种场景拍摄的数百个视频中的 43,470 帧中提取的 2,898 张红外热图像。此外，HIT-UAV 为每张图像提供基本的...
VOC无人机UAV数据集
02-20
【无人机UAV数据集】是专门针对旋翼无人机（Unmanned Aerial Vehicles，简称UAV）设计的一个丰富多样的图像数据集。该数据集旨在为机器学习和计算机视觉研究提供大量的训练样本，以促进无人机目标检测算法的发展。在...
UAV-PPK数据处理软件-使用方法
03-08
### UAV-PPK数据处理软件使用方法详解 #### 一、引言 随着无人机技术的飞速发展，UAV（Unmanned Aerial Vehicle，无人机）在测绘领域的应用越来越广泛。其中，UAV-PPK（Post-Processing Kinematic，事后差分定位）...
HIT-UAV红外小目标数据集
05-18
HIT-UAV包含从43470帧中提取的2898幅红外热图像，由无人机从不同场景（学校、停车场、道路、游乐场等）捕获，涵盖了广泛的方面，包括物体（人、自行车、汽车、其他车辆）、飞行高度数据（60至130米）、相机透视数据...
基于yolov10的路面裂缝检测数据集训练模型对比
qq_30231593的博客
03-04 968
对比YOLOv10中YOLOv10-n、YOLOv10-s、YOLOv10-l与YOLOv10-x四个参数模型在同一数据集与同样轮数下的性能表现。
基于yolov9的路面裂缝检测数据集训练模型对比
qq_30231593的博客
11-11 923
对比YOLOv9中YOLOv9-c与YOLOv9-e两个参数模型在同一数据集与同样轮数下的性能表现。
无人机拍摄的道路损伤数据集
01-04
### 无人机拍摄的道路损伤检测数据集 对于道路损伤检测，采用无人机(UAV)拍摄图像的方法已经得到了广泛的研究和发展。特别是随着高像素工业相机价格的降低，使得利用无人机进行高效低成本的道路巡查成为现实[^2]。 #### UAV-PDD2023 数据集介绍 一个值得关注的数据集是 **UAV-PDD2023** ，这是一个专门针对无人机道路破损检测设计的开源数据集。该数据集包含了大量由无人机采集到的不同环境下的道路表面图片，涵盖了多种类型的裂缝和其他形式的损害情况。这些图像经过精心标注，可以用来训练机器学习模型来自动识别并分类不同的损坏模式。 此数据集不仅提供了丰富的视觉素材供研究人员测试算法性能，同时也促进了这一领域内不同团队之间的交流和技术进步。通过使用这样的高质量数据资源，能够加速开发更加精确可靠的自动化道路状况评估工具。 ```python import os from PIL import Image import matplotlib.pyplot as plt # 假设我们有一个本地路径指向 UAV-PDD2023 的文件夹结构 dataset_path = './path_to_UAV_PDD_2023' def display_sample_images(dataset_dir, num_samples=5): """展示来自指定目录下随机选取的一些样本图像""" images_list = [] labels_list = [] # 随机读取若干张图片及其标签 for root, dirs, files in os.walk(dataset_dir): if 'images' not in root or 'labels' not in root: continue image_files = [f for f in files if '.jpg' in f.lower()] selected_indices = np.random.choice(len(image_files), size=num_samples, replace=False) for idx in selected_indices: img_file = image_files[idx] with open(os.path.join(root.replace('labels', 'images'), img_file)) as im_f: img = Image.open(im_f).convert("RGB") label_file = img_file.split('.')[0]+'.txt' lbl = None try: with open(os.path.join(root, label_file)) as lb_f: lines = lb_f.readlines() lbl = int(lines[0].strip()) # 这里假设每行只有一个整数作为类别ID except Exception as e: print(f"Error reading {label_file}: ", str(e)) finally: images_list.append(img) labels_list.append(lbl) fig, axes = plt.subplots(1, len(images_list), figsize=(18, 4)) for ax, (img, lbl) in zip(axes.flatten(), zip(images_list, labels_list)): ax.imshow(np.array(img)) title_text = "Label: {}".format(str(lbl)) if lbl is not None else "" ax.set_title(title_text) ax.axis('off') display_sample_images(dataset_path) plt.show() ```
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值