Key points are not available for this paper at this time.
철근 콘크리트(RC) 구조물의 철근 정확한 검사는 필수적이며 신중한 계수를 요구합니다. 객체 감지를 활용한 딥 러닝 알고리즘은 무인 항공기(UAV) 이미지를 통해 이 과정을 용이하게 할 수 있습니다. 그러나 이들의 효과는 대규모, 다양한, 잘 라벨링된 데이터셋의 가용성에 달려 있습니다. 본 논문은 딥 러닝 기반 객체 감지 방법을 사용하여 철근을 계수를 위한 데이터셋의 생성 과정을 자세히 설명합니다. 이 데이터셋은 874개의 원시 이미지로 구성되어 있으며, 60%(524개 이미지)의 훈련, 20%(175개)의 검증 및 20%(175개)의 테스트라는 세 가지 하위 집합으로 나뉩니다. 훈련 데이터를 향상시키기 위해 밝기, 대비, 원근법, 회전, 스케일, 전단, 번역 및 블러링의 8가지 증강 기술을 훈련 하위 집합에만 적용했습니다. 이로 인해 각 증강 기술에 대한 데이터셋 하나와 모든 기술을 결합한 증강 세트에 대한 데이터셋 하나를 포함하여 총 아홉 개의 독특한 데이터셋이 생성되었습니다. 전문 주석자가 VOC XML 형식으로 데이터셋에 라벨을 달았습니다. 이 연구는 철근 계수에 중점을 두고 있지만, 원시 데이터셋은 필요한 주석을 제공함으로써 철근 직경 추정이나 철근 모양 분류와 같은 다른 작업에 적응될 수 있습니다.
Wang et al. (Sun,)이 이 질문을 연구했습니다.