DeepCrackは、武漢大学コンピュータビジョン・リモートセンシング研究所が提供する、インフラ構造物のひび割れ検出のためのベンチマークデータセットです。関連する研究論文には、以下のようなものがあります。 DeepCrack：亀裂セグメンテーションのための深層階層型特徴学習アーキテクチャ本データベースは、亀裂検出アルゴリズムの研究を支援するため、標準化された高精度な教師あり学習データを提供することを目的としています。U-Net、DeepLab、SegNetなどの深層学習モデルの学習や評価に直接利用でき、構造健全性モニタリング、道路検査、建物の欠陥識別といった研究分野で幅広く活用されています。 このデータセットには、RGB形式のひび割れ画像と、それに対応するピクセルレベルのバイナリラベル付きマスクが含まれています。すべてのラベルはピクセルごとに手動でラベル付けされているため、教師ありセマンティックセグメンテーションのトレーニングに適しています。データセットは標準的な構造に従ってトレーニングセットとテストセットに分割されており、各画像には同名のマスクファイルが割り当てられています。

引用

Liuら、 DeepCrack：亀裂セグメンテーションのための深層階層型特徴学習アーキテクチャニューロコンピューティング、2019年。

@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}
}