UAV-CrackX Datasets

这是一个基于无人机的路面裂缝语义分割数据集，采集飞行高度为50米，包含不同放大倍率。公开数据集包含1500张无人机道路图像，其中500张为×4放大倍率（UAV-CrackX4），500张为×8放大倍率（UAV-CrackX8），500张为×16放大倍率（UAV-CrackX16）。同时发布了1200张标注图像（每个放大倍率400张），标注为灰度掩码，其中0表示路面，1表示裂缝。This is a UAV-based pavement crack semantic segmentation dataset, which is collected at a flight altitude of 50 meters and covers multiple magnification ratios. The publicly available dataset contains 1500 UAV road images, including 500 with ×4 magnification (designated as UAV-CrackX4), 500 with ×8 magnification (UAV-CrackX8), and 500 with ×16 magnification (UAV-CrackX16). Additionally, 1200 annotated images are released, with 400 samples for each magnification type. The annotations are provided as grayscale masks, where pixel value 0 represents the pavement and 1 represents cracks.

原始信息汇总

UAV-CrackX 数据集概述

数据集基本信息

• 数据集名称：UAV-CrackX Datasets
• 数据类型：基于无人机的路面裂缝语义分割数据集
• 采集高度：50米飞行高度
• 图像总数：1,500张无人机道路图像

数据集组成

放大级别分布

• ×4放大倍率 (UAV-CrackX4)：500张图像
• ×8放大倍率 (UAV-CrackX8)：500张图像
• ×16放大倍率 (UAV-CrackX16)：500张图像

标注信息

• 标注图像数量：1,200张（每个放大级别400张）
• 标注格式：灰度掩码
• 标注类别：
  • 0 = 路面
  • 1 = 裂缝

基准竞赛

• 测试图像：300张（来自不同放大级别）
• 竞赛平台：http://vlp.chd.edu.cn/tasks/4
• 评估内容：参与者可提交分割掩码，在多性能指标上评估模型

相关论文

主要论文

• IEEE Transactions on Intelligent Transportation Systems：

  • 标题：Unmanned Aerial Vehicle (UAV)-Based Pavement Image Stitching Without Occlusion, Crack Semantic Segmentation, and Quantification
  • 卷号：25，期号：11，页码：17038–17053，2024年11月
  • DOI：https://doi.org/10.1109/TITS.2024.3424525

• Automation in Construction：

  • 标题：Bridging Cross-Domain and Cross-Resolution Gaps for UAV-Based Pavement Crack Segmentation
  • 卷号：174，页码：106141，2025年
  • DOI：https://doi.org/10.1016/j.autcon.2025.106141

相关研究

• Advanced Engineering Informatics：

  • 标题：GLoU-MiT: Lightweight Global-Local Mamba-Guided U-Mix Transformer for UAV-Based Pavement Crack Segmentation
  • 卷号：65，页码：103384，2025年5月
  • DOI：https://doi.org/10.1016/j.aei.2025.103384

• Expert Systems with Applications：

  • 标题：DCUFormer: Enhancing Pavement Crack Segmentation in Complex Environments with Dual-Cross/Upsampling Attention
  • 卷号：264，页码：125891，2025年3月
  • DOI：https://doi.org/10.1016/j.eswa.2024.125891

联系方式

• 联系人邮箱：[e-mail]

搜集汇总

数据集介绍

构建方式

在无人机道路检测技术蓬勃发展的背景下，UAV-CrackX数据集通过飞行高度为50米的无人机平台，系统采集了多尺度路面裂缝图像。该数据集构建过程严格遵循科学规范，包含三个不同放大倍率的子集：×4、×8和×16，每个子集均包含500张高质量图像。数据采集后经过专业标注处理，生成1200张灰度掩码图像，其中像素值0代表路面背景，1代表裂缝区域，为语义分割任务提供了精确的基准真值。

特点

该数据集最显著的特征在于其多尺度成像能力，通过三种不同放大倍率的图像子集，完整覆盖了从宏观到微观的裂缝检测需求。数据集包含1500张原始图像和1200张标注图像，均采用标准化格式存储，确保了数据的一致性和可比性。特别值得关注的是，数据集还专门设置了300张测试图像用于基准评估，为算法性能比较提供了可靠平台。这种多分辨率、多尺度的设计理念，使得该数据集能够有效支撑跨域跨分辨率的裂缝分割研究。

使用方法

研究人员可通过公开渠道获取该数据集，按照不同放大倍率分别使用三个子集进行模型训练与验证。数据集支持标准的语义分割任务，用户可将原始图像与对应的灰度掩码配对使用。为促进学术交流，数据集维护方还设立了在线基准测试平台，研究者可提交分割结果参与性能评估。在使用过程中，建议遵循相关论文中提出的数据处理流程，并正确引用原始文献以确保学术规范性。

背景与挑战

背景概述

无人机技术在基础设施检测领域的应用催生了UAV-CrackX数据集，该数据集由长安大学研究团队于2024年正式发布，聚焦于道路裂缝语义分割这一核心研究问题。通过搭载高分辨率摄像头的无人机在50米飞行高度采集数据，涵盖×4至×16三种不同放大倍率的1500张道路图像，为智能交通系统与自动化建造领域提供了关键研究基础。该数据集通过IEEE Transactions on Intelligent Transportation Systems等顶级期刊的多次引用，显著推动了基于视觉的路面病害自动检测技术发展。

当前挑战

在道路裂缝检测领域，传统方法难以应对复杂路面纹理与光照变化干扰，而无人机影像存在尺度差异与遮挡现象两大核心难题。数据集构建过程中，研究团队需攻克多分辨率图像配准的技术瓶颈，通过无遮挡图像拼接算法确保数据完整性。同时，跨域跨分辨率裂缝特征的标注一致性维护，以及不同放大倍率下语义分割模型的泛化能力验证，均构成该数据集面临的重要技术挑战。

常用场景

解决学术问题

该数据集有效解决了路面裂缝检测中的关键学术难题。针对传统检测方法在复杂环境下识别精度不足的问题，通过多尺度图像采集策略克服了分辨率差异带来的分割性能下降。其标注数据为深度学习模型提供了可靠的监督信号，显著提升了裂缝边缘细节的捕捉能力。同时，数据集设计的基准测试平台为算法性能比较建立了统一标准，推动了裂缝分割领域的量化评估体系发展。

衍生相关工作

基于该数据集衍生的经典研究工作包括GLoU-MiT轻量级分割架构和DCUFormer双交叉上采样注意力网络。这些创新模型通过引入全局-局部特征融合机制和跨尺度信息交互策略，显著提升了复杂环境下裂缝分割的鲁棒性。相关成果已发表在Automation in Construction、Expert Systems with Applications等权威期刊，形成了完整的技术演进路线，为后续研究者提供了重要的方法论参考。