论文网址：https://arxiv.org/abs/2010.10681
数据集及代码：https://github.com/titanmu/RoadCrackDetection

2020年全球道路损坏检测挑战赛

刊物：

2020年全球道路损坏检测挑战赛（GRDDC）的详细信息封装在IEEE大数据杯上，全球121个团队参与其中。论文详细介绍了《全球道路损坏检测：最新解决方案》。

引用文献：Arya，D.，Maeda，H.，Ghosh，SK，Toshniwal，D.，Omata，H.，Kashiyama，T.＆Sekimoto，Y.（2020）。全球道路损坏检测：最新解决方案。arXiv预印本arXiv：2011.08740。

@article {arya2020global，title = {全球道路损害检测：最新解决方案}，作者= {Arya，Deeksha和Maeda，Hiroya和Ghosh，Sanjay Kumar和Toshniwal，Durga和Omata，Hiroshi和Kashiyama，竹浩（Takehiro） and Sekimoto，Yoshihide}，journal = {arXiv预印本arXiv：2011.08740}，year = {2020}}

跟随项目以获取出版物的进一步更新！

GRDDC 2020的数据集

train.tar.gz

train.tar.gz包含日本/印度/捷克的图像和注释。注释的格式与pascalVOC相同。
test1.tar.gz

sampleSubmission.txt

test2.tar.gz

对GRDDC（InJaCz）数据集的引用

我们题为《基于转移学习的多国道路损坏检测》的研究论文提供了印度-日本-捷克数据集的数据收集方法，研究区域和其他信息。

该数据集利用在生成对抗网络中引入的RDD-2019数据进行道路损坏检测。

如果您使用或发现我们的数据集和/或文章有用，请引用。

Arya，D.，Maeda，H.，Ghosh，SK，Toshniwal，D.，Mraz，A.，Kashiyama，T.和Sekimoto，Y.（2020年）。基于转移学习的多个国家的道路损坏检测。arXiv预印本arXiv：2008.13101。

@article {arya2020transfer，title = {针对多个国家/地区的基于学习的道路损伤检测}，作者= {Arya，Deeksha和Maeda，Hiroya和Ghosh，Sanjay Kumar和Toshniwal，Durga和Mraz，Alexander和Kashiyama，Takehiro和Sekimoto， Yoshihide}，journal = {arXiv预印本arXiv：2008.13101}，year = {2020}}

和

Maeda，H.，Kashiyama，T.，Sekimoto，Y.，Seto，T.＆Omata，H.用于道路损坏检测的生成对抗网络 计算机辅助的土木和基础设施工程。

@article {maedagenerative，title = {用于道路损坏检测的通用对抗网络}，作者= {Maeda，Hiroya和Kashiyama，Takehiro和Sekimoto，Yoshihide和Seto，Toshikazu和Omata，Hiroshi}，journal = {计算机辅助的民用和基础设施工程}，发布商= {Wiley在线图书馆}}

需考虑的损坏类别

{D00：纵向裂纹，D10：横向裂纹，D20：微裂纹，D40：坑洼}