StructDamage: 堅牢な構造損傷検出のための大規模な統一型亀裂・表面欠陥データセット

本文: arXiv:2603.10484v1 アナウンスタイプ: new 要約: 構造亀裂および表面欠陥の自動検出と分類は、土木工学、インフラ保全、遺産保護における重要な課題である。最近のComputer Vision(CV)およびDeep Learning(DL)の進歩は自動亀裂検出を大幅に改善してきた。しかし、これらの手法は、さまざまな表面材料に跨る多様な亀裂タイプを含む、大規模で多様かつ慎重にキュレーションされたデータセットに大きく依存している。多くの公開亀裂データセットは地理的多様性、表面タイプ、規模、ラベリングの一貫性を欠いており、現実世界の条件下で訓練済みアルゴリズムが効果的に一般化することを困難にしている。我々は新規データセット StructDamage を提供する。約78,093枚の画像を含む9種類の表面タイプを横断するコレクションである: 壁、タイル、石、道路、舗装、デッキ、コンクリート、煉瓦。データセットはコンクリート構造、アスファルト舗装、石造壁、橋梁、歴史的建築物をカバーする32の公開データセットからの画像を体系的に収集・調和・再アノテーションすることにより構築された。すべての画像はCNNとVision Transformerの訓練に適したフォルダレベルの分類階層に整理されている。データセットの実用的価値を強調するため、6つのモデルファミリから15のDLアーキテクチャを用いたベースライン分類結果を提示し、12モデルがマクロF1スコア0.96を超えた。最も高性能を示したDenseNet201は98.62%の精度を達成している。提案されたデータセットは分類タスクに適した包括的で多用途なリソースを提供する。徹底的なドキュメンテーションと標準化された構造を備えることで、再現性のある研究を促進し、堅牢な亀裂損傷検知アプローチの開発と公正な評価を支援することを目的としている。