ConRebSeg: A Segmentation Dataset for Reinforced Concrete Construction

要約

建設業界は伝統的にデジタル技術の導入が遅れていました。
しかし、熟練労働者の不足や他産業と比較した生産性レベルの低下など、多くの課題により、その必要性はますます高まっています。
自律型ロボット システムはこの問題を軽減できますが、これらのシステムのソフトウェア開発プロセスはデータに大きく依存しており、一般に公開されていないため、建設分野ではリソースを見つけるのが通常困難です。
したがって、私たちの作業では、鉄筋コンクリート構造のセグメンテーション ラベルを含む 14,805 個の RGB 画像のデータセットを提供し、一般公開します。
データセットの詳細な分析を実施し、ラベルの不一致に対処する方法について話し合います。
さらに、YOLOv8L-seg、DeepLabV3、および U-Net セグメンテーション モデルのベースラインを確立し、データの可用性とラベルの不一致がこれらのモデルのパフォーマンスに与える影響を調査します。
私たちの調査では、モデルの予測は正確ですが、リコールされるインスタンスの数を増やすには、より多くのデータが役立つことがわかりました。
ラベルの不一致がモデルのパフォーマンスに与える影響はごくわずかであるため、私たちは建設業界における自律型ロボット システムの開発を促進するために、クラウドソースのデータセットを提唱しています。

要約(オリジナル)

The construction industry has been traditionally slow in adopting digital technologies. However, these are becoming increasingly necessary due to a plentitude of challenges, such as a shortage of skilled labor and decreasing productivity levels compared to other industries. Autonomous robotic systems can alleviate this problem, but the software development process for these systems is heavily driven by data, a resource usually challenging to find in the construction domain due to the lack of public availability. In our work, we therefore provide a dataset of 14,805 RGB images with segmentation labels for reinforced concrete construction and make it publicly available. We conduct a detailed analysis of our dataset and discuss how to deal with labeling inconsistencies. Furthermore, we establish baselines for the YOLOv8L-seg, DeepLabV3, and U-Net segmentation models and investigate the influence of data availability and label inconsistencies on the performance of these models. Our study showed that the models are precise in their predictions but would benefit from more data to increase the number of recalled instances. Label inconsistencies had a negligible effect on model performance, and we, therefore, advocate for a crowd-sourced dataset to boost the development of autonomous robotic systems in the construction industry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google