论文标题：Rail-5k: a Real-World Dataset for Rail Surface Defects Detection

论文链接：https://arxiv.org/abs/2106.14366

作者单位：同济大学

本文介绍了 Rail-5k：实际场景中的轨道表面缺陷检测数据集。我们收集了来自中国各地铁路的 5000 多张高质量图像，并在铁路专家的帮助下对 1100 张图像进行了注释，以确定最常见的 13 种铁路缺陷类型。该数据集可用于两种具有独特挑战的设置，第一种是使用 1k+ 标记图像进行训练的全监督设置，缺陷类别的细粒度性质和长尾分布使得视觉算法难以解决。第二个是由 4k 未标记图像促进的半监督学习设置，这些 4k 图像是未经整理的，包含可能的图像损坏和与标记图像的域偏移，以前的半监督学习方法无法轻松解决这些问题。我们相信我们的数据集可以成为评估视觉算法稳健性和可靠性的宝贵基准。

内容中包含的图片若涉及版权问题，请及时与我们联系删除