Dataset for Crack Detection in Images of Masonry Using CNNs

We trained a convolutional neural network (CNN) on images of brick walls built in a laboratory environment and test its ability to detect cracks in images of brick-and-mortar structures both in the laboratory and on real-world images taken from the internet. We also compared the performance of the CNN to a variety of simple classifiers operating on handcrafted features. This is the dataset used in that work.

本研究基于实验室环境下搭建的砖墙图像训练卷积神经网络（Convolutional Neural Network，CNN），并测试其在实验室场景与互联网采集的真实砖石结构图像中检测裂缝的能力。此外，我们将该CNN的性能与多种基于手工设计特征的简单分类器进行了性能对比。本数据集即为此项研究所使用的数据。

搜集汇总

背景与挑战

背景概述

该数据集专为砖石结构裂缝检测而设计，用于训练卷积神经网络(CNN)识别实验室和真实世界砖墙图像中的裂缝。数据集包含2.7 MB的图像文件，由宾夕法尼亚州立大学研究人员于2021年发布，采用开放许可便于学术使用。