DeepCrack은 우한대학교 컴퓨터 비전 및 원격탐사 연구실에서 제공하는 기반 시설 균열 탐지용 벤치마크 데이터셋입니다. 관련 연구 논문으로는 다음과 같은 것들이 있습니다... DeepCrack: 균열 분할을 위한 심층 계층적 특징 학습 아키텍처본 프로젝트는 균열 탐지 알고리즘 연구를 위한 표준화되고 정밀한 지도 학습 데이터 지원을 제공하는 것을 목표로 합니다. U-Net, DeepLab, SegNet과 같은 딥러닝 모델의 학습 및 평가에 직접 사용할 수 있으며, 구조물 건전성 모니터링, 도로 검사, 건축물 결함 식별 등의 연구 분야에서 널리 활용될 수 있습니다. 이 데이터셋은 RGB 균열 이미지와 해당 픽셀 수준의 이진 레이블 마스크를 포함합니다. 모든 레이블은 픽셀 단위로 수동으로 지정되었으므로 지도 학습 기반의 의미론적 분할 학습에 적합합니다. 데이터셋은 표준 구조에 따라 학습 세트와 테스트 세트로 나뉘어 있으며, 각 이미지는 동일한 이름의 마스크 파일에 대응됩니다.

소환

류 등, DeepCrack: 균열 분할을 위한 심층 계층적 특징 학습 아키텍처신경 컴퓨팅, 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}
}