Pothole Image Segmentation Dataset
Conjunto de datos de imágenes anotadas para la detección y segmentación de baches en las carreteras, con preprocesamiento y aumento para mejorar la solidez de los modelos.
780 imágenes anotadas en formato Yolov8, 640x640 px, con tren de conjuntos (720) y validación (60)
Apache 2.0
Descripción
El conjunto de datos «Conjunto de datos de segmentación de imágenes de baches» contiene 780 imágenes anotadas en formato Yolov8, centradas en la detección y segmentación de baches para la seguridad vial. Las imágenes se redimensionan a 640 x 640 píxeles y se aumentan para enriquecer los datos de entrenamiento.
¿Para qué sirve este conjunto de datos?
- Entrene modelos de segmentación de objetos para detectar baches
- Desarrollar sistemas automáticos de monitoreo y mantenimiento de carreteras
- Mejorar la seguridad vial mediante la detección rápida y precisa de los daños
¿Se puede enriquecer o mejorar?
Este conjunto de datos se puede enriquecer añadiendo imágenes de diferentes condiciones de las carreteras, otros tipos de degradación o integrando anotaciones adicionales (por ejemplo, segmentación más precisa, categorías múltiples). También se podría considerar la posibilidad de aumentar los datos y añadir metadatos de GPS.
🔎 En resumen
🧠 Recomendado para
- Investigadores de visión artificial
- Desarrolladores de soluciones para ciudades inteligentes
- Ingenieros de seguridad vial
🔧 Herramientas compatibles
- Roboflow
- YOLOv8
- Detectron2
- TensorFlow
- PyTorch
💡 Consejo
Aproveche los aumentos incorporados para mejorar la robustez del modelo frente a diversas condiciones de iluminación y perspectivas.
Preguntas frecuentes
¿Qué formato de anotación se usa en este conjunto de datos?
El conjunto de datos utiliza el formato YOLoV8 para las anotaciones de segmentación de baches.
¿Cuántas imágenes se dedican a la formación y la validación?
720 imágenes son para entrenamiento y 60 para validación.
¿Se puede usar este conjunto de datos para otros tipos de detección de objetos en la carretera?
Sí, con anotaciones adicionales, podría adaptarse para detectar otras averías u objetos en la carretera.




