参考

https://www.cnblogs.com/laugh12321/p/17874752.html

Machine Learning Datasets | Papers With Code

数据集

paperwithcode上查找

paperwithcode搜索“pavement”关键词可以找到下面8个数据集

博客整理

 参考链接1里列出了包括了RDD2022在内的数据集：

需要注意的是，这里面有些数据集似乎无法获取到，比如CNRDD
（https://www.mdpi.com/2076-3417/12/15/7594）。

学位论文整理

其他数据集信息整理（注意表格中笔误，crack500漏了一个0）：

数据集Pavementscapes（https://github.com/tongzheng1992/Pavementscapes）放出的谷歌网盘链接已经失效，没有更新。

其他补充和部分数据集下载

1.还有一个像素级注释的，但只放出来了100张（paveSeg）：

PaveSeg-Dataset|路面状况识别数据集|语义分割数据集

该数据集提供了一套全面的标注图像集合，旨在通过语义分割实现高精度的路面状况识别。通过详细标注路面损坏情况，该数据集支持开发和评估用于自动化识别和分类路面缺陷的深度学习模型。数据集包含2400张路面图像，以及路面损坏的像素级标注信息，图像分辨率为1280×1080px，路面状况分为7个类别，包括裂缝、坑洞、密封裂缝、修补、鳄鱼裂缝、井盖和伸缩缝。

2.crack500下载：

CRACK500_数据集-飞桨AI Studio星河社区

3.kaggle用户上传的CFD数据集：

road crack segmentation

4.Crackseg9k - A Collection of Crack Segmentation Datasets：

Crackseg9k: A Collection of Crack Segmentation Datasets - Harvard Dataverse

Crackseg9k这里发布的数据集是迄今为止构建的最大、最多样化和一致的裂缝分割数据集。它包含 9255 张图像，这些图像结合了不同的较小开源数据集。它由 10 个经过预处理并调整为 400x400 的子数据集组成，即 Crack500、Deepcrack、Sdnet、Cracktree、Gaps、Volker、Rissbilder、Noncrack、Masonry 和 Ceramic。

5.道路路面病害数据集：

本赛题提供的数据，由车载监控相机拍摄的道路病害图像、相应的道路病害标注数据、完好路面图像组成。参赛队伍需使用提供的数据，设计道路病害目标检测的解决方案。需识别共8种病害类型。

道路路面病害数据集_数据集-飞桨AI Studio星河社区