DeepCrack هي مجموعة بيانات مرجعية للكشف عن تشققات البنية التحتية، مقدمة من مختبر رؤية الحاسوب والاستشعار عن بعد بجامعة ووهان. تشمل الأبحاث ذات الصلة... ديب كراك: بنية تعلم الميزات الهرمية العميقة لتجزئة الشقوقيهدف هذا المشروع إلى توفير بيانات تعلم مُشرف موحدة وعالية الدقة لدعم أبحاث خوارزميات الكشف عن الشقوق. ويمكن استخدامه مباشرةً لتدريب وتقييم نماذج التعلم العميق مثل U-Net وDeepLab وSegNet، ويُستخدم على نطاق واسع في مجالات بحثية مثل مراقبة سلامة الهياكل، وفحص الطرق، وتحديد عيوب المباني. تحتوي هذه المجموعة من البيانات على صور تشققات RGB وأقنعتها الثنائية المصنفة على مستوى البكسل. جميع التصنيفات مُصنفة يدويًا بكسلًا بكسلًا، مما يجعلها مناسبة لتدريب التجزئة الدلالية الخاضعة للإشراف. قُسّمت مجموعة البيانات إلى مجموعتي تدريب واختبار وفقًا لهيكل قياسي، وتتوافق كل صورة مع ملف قناع يحمل الاسم نفسه.

الاستشهاد

ليو وآخرون، ديب كراك: بنية تعلم الميزات الهرمية العميقة لتجزئة الشقوقالحوسبة العصبية، 2019.

@article{liu2019deepcrack,
title={DeepCrack: A Deep Hierarchical Feature Learning Architecture for Crack Segmentation},
author={Liu, Yahui and Yao, Jian and Lu, Xiaohu and Xie, Renping and Li, Li},
journal={Neurocomputing},
volume={338},
pages={139--153},
year={2019},
doi={10.1016/j.neucom.2019.01.036}
}