N-RDD2024:Road damage and defects

The RDD2022 dataset contains road images from six countries (India, Japan, Czech Republic, Norway, China, and USA). However, in the presented dataset, four damage types were considered. There are many road defects in road networks. The edited and updated dataset is called N-RDD2024. 10 different types of defects were considered in this dataset. The defect classes labeled are longitudinal cracks (D00), transverse cracks (D10), alligator cracks (D20), repaired cracks (D30), potholes (D40), pedestrian crossing blurs (D50), lane line blurs (D60), manhole covers (D70), patchy road sections (D80) and rutting (D90), respectively. The process of detecting and classifying all defects in road pavement will become more robust for institutions/organizations and researchers.

RDD2022数据集（RDD2022 dataset）包含来自六个国家（印度、日本、捷克共和国、挪威、中国、美国）的道路图像。在本次展示的数据集中，仅纳入了四类道路损伤类型。道路路网中存在诸多道路病害，经编辑优化后的更新版数据集被命名为N-RDD2024（N-RDD2024）。该数据集共涵盖10类道路病害，具体标注的病害类别依次为：纵向裂缝（D00）、横向裂缝（D10）、龟裂（D20）、修补裂缝（D30）、坑槽（D40）、人行横道标线模糊（D50）、车道线模糊（D60）、检查井井盖（D70）、路面修补斑块（D80）与车辙（D90）。针对道路路面全病害的检测与分类流程，将为各类机构与科研人员提供更具鲁棒性的技术支撑。

搜集汇总

背景与挑战

背景概述

N-RDD2024数据集是RDD2022的更新版本，专注于道路损坏和缺陷检测，包含来自六个国家的道路图像，并标注了10种不同类型的缺陷，如裂缝、坑洞和车道线模糊等。该数据集旨在通过图像处理和机器学习技术，提升道路缺陷检测与分类的鲁棒性，适用于研究机构和相关组织。数据集大小为6.58 GB，采用CC BY 4.0许可证，支持开源使用。