dacl10k: Benchmark for Semantic Bridge Damage Segmentation

要約

鉄筋コンクリートの欠陥（RCD）を確実に特定することは、世界中で最も一般的な橋梁形式であるコンクリート橋の構造健全性、交通安全性、長期耐久性を評価する上で極めて重要な役割を果たす。にもかかわらず、鉄筋コンクリートの欠陥を認識するために利用可能なデータセットは、そのサイズとクラスの多様性という点で小さく、実世界のシナリオにおける有用性とベンチマークとしての役割に疑問を投げかけている。この問題に対する我々の貢献は、「dacl10k」であり、実世界の橋梁検査から得られた9,920枚の画像から構成される、マルチラベル意味的セグメンテーションのための非常に多様なRCDデータセットである。dacl10kは、12の損傷クラスと6つの橋梁コンポーネントを区別し、建物の評価や、修復工事、交通負荷の制限、橋梁の閉鎖などのアクションの推奨において重要な役割を果たす。さらに、dacl10kのベースラインモデルを検討し、その後に評価した。dacl10kは、我々のベースラインとともに、橋梁検査領域におけるセマンティックセグメンテーションのための画像数とクラス多様性に関して現在最大のデータセットであり、研究者と実務家がオープンにアクセスできる。

要約(オリジナル)

Reliably identifying reinforced concrete defects (RCDs)plays a crucial role in assessing the structural integrity, traffic safety, and long-term durability of concrete bridges, which represent the most common bridge type worldwide. Nevertheless, available datasets for the recognition of RCDs are small in terms of size and class variety, which questions their usability in real-world scenarios and their role as a benchmark. Our contribution to this problem is ‘dacl10k’, an exceptionally diverse RCD dataset for multi-label semantic segmentation comprising 9,920 images deriving from real-world bridge inspections. dacl10k distinguishes 12 damage classes as well as 6 bridge components that play a key role in the building assessment and recommending actions, such as restoration works, traffic load limitations or bridge closures. In addition, we examine baseline models for dacl10k which are subsequently evaluated. The best model achieves a mean intersection-over-union of 0.42 on the test set. dacl10k, along with our baselines, will be openly accessible to researchers and practitioners, representing the currently biggest dataset regarding number of images and class diversity for semantic segmentation in the bridge inspection domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL