数据集简介。涵盖了常见混凝土特定应用场景图像包括隧道内壁裂隙、路面裂隙、地上建筑表面裂隙为裂隙图像识别算法的研究及后续裂隙参数数字表征提供研究数据。数据集人工标注说明人工标注制作标准裂隙原图像的导入与主体裁剪为降低训练所需的计算机显存及加快模型像素匹配误差的收敛速度所采集的图像裂隙主体裁剪为统一尺寸500Pixel×500Pixel。对裁剪后裂隙主体图像进行全人工图像标注。机器学习中图像识别的训练是根据像素点进行的因此图像标注的质量好坏取决于像素点的判定准确性。如果标注像素点越接近标注物的边缘像素则标注质量越高标注难度就越大反之则标注量较差标注难度较小。按照100%准确率的图像标注要求标注像素点与标注物的边缘像素点的误差应该控制在1个像素以内。对于裂隙图像的标注采用Photoshop 软件其具体步骤如下首先是图层的添加这样可以保持我们图像的独立性不会影响操作。其次进行裂隙的标注“画笔”选择“硬边圆”这样标注的裂隙周围不会有阴影。同时预调不透明度为100%流量100%平滑0%颜色RGB值为#000000最后用白色“油漆桶”将图层中的非裂隙部分进行填充。每一张原始图像需要对应一张标签图标签图组成目标数据集。标签图是将图像中的裂隙和非裂隙像素标注为特定颜色的参考基准为提高后期训练准确率对数据集原始图像进行了人工裂隙标注再经二值化转换为标签图。在标签中通过不同的颜色区分图像中的不同类别裂隙部分标注为R-G-B0-0-0的黑色区域非裂隙部分标注为R-G-B255-255-255的白色区域。样例如下数据集样例原图image1标签image2数据集原图命名规则原图 “xxxx.jpg人工标注图片”xxxx_label.jpg欢迎各位朋友使用和完善该数据集