道路缺陷检测-目标检测数据集

道路缺陷检测-目标检测数据集

数据集：
链接：https://pan.baidu.com/s/1zxCxLre8A2mJ240f849Qxg?pwd=a21m 
提取码: a21m 

数据集信息介绍：

共有 5321 张图像和一一对应的标注文件
标注文件格式提供了两种，包括VOC格式的xml文件和YOLO格式的txt文件。

标注的对象共有以下4种：

[‘AlligatorCracking’, ‘LateralCracking’, ‘LongitudinalCracking’, ‘Pothole’]

标注框的数量信息如下：（标注时一般是用英文标的，括号里提供标注对象的中文作为参考）

AlligatorCracking: 1470（横向裂纹）

LateralCracking: 2002（纵向裂纹）

LongitudinalCracking: 3378（皲裂）

Pothole: 4254（坑洞）

注：一张图里可能标注了多个对象，所以标注框总数可能会大于图片的总数。
完整的数据集，包括3个文件夹和一个txt文件：

all_images文件：存储数据集的图片，截图如下：

all_txt文件夹和classes.txt: 存储yolo格式的txt标注文件，数量和图像一样，每个标注文件一一对应。


如何详细的看yolo格式的标准文件，请自己百度了解，简单来说，序号0表示的对象是classes.txt中数组0号位置的名称。

all_xml文件：VOC格式的xml标注文件。数量和图像一样，每个标注文件一一对应。

标注结果：

如何详细的看VOC格式的标准文件，请自己百度了解。
两种格式的标注都是可以使用的，选择其中一种即可。
——————————————————————————————————————

写论文参考

基于改进YOLOv5的道路病害实时检测系统研究与实现

摘要： 道路病害的自动检测对于交通安全和基础设施维护至关重要。本文针对实际落地应用中的复杂性、实时性和准确性要求，提出了一种基于改进YOLOv5的实时检测算法。本研究采用了一个专业收集的大规模道路病害数据集，包含5,321张高质量图像及精细标注，涵盖龟裂、横向裂缝、纵向裂缝、坑洞四类常见病害。我们在YOLOv5的主干网络中引入CBAM注意力机制以增强特征提取能力，并优化了损失函数以提高