README.md

metadata

license: cc-by-nc-4.0
task_categories:
  - image-segmentation
  - image-classification
  - object-detection
language:
  - ko
tags:
  - civil-engineering
  - structural-health-monitoring
  - crack-detection
  - construction
size_categories:
  - 100K<n<1M

Struct-Damage-Seg-V1 (Structural Damage Segmentation Dataset)

📌 소개 (Introduction)

이 데이터셋은 토목 구조물(교량, 터널, 옹벽 등)의 손상 탐지(Damage Detection)와 구조물 부재 분류(Structural Component Classification)를 동시에 수행하기 위해 구축된 멀티태스크 데이터셋입니다.

AI Hub의 '시설물 균열 탐지 데이터' 등을 기반으로 재가공되었으며, ConvNeXt V2 등의 최신 모델 학습에 최적화된 14채널 세그멘테이션 마스크를 포함하고 있습니다.

📂 데이터셋 구조 (Structure)

데이터셋은 원본 이미지, 전처리된 마스크, 그리고 메타데이터가 담긴 CSV 파일로 구성됩니다.

• images/: 원본 촬영 이미지 (JPG)
• masks/: 전처리된 마스크 이미지 (PNG, Indexed Color)
• train_labels.csv: 학습용 데이터 인덱스 및 메타데이터
• val_labels.csv: 검증용 데이터 인덱스 및 메타데이터

CSV 컬럼 설명

컬럼명	설명	예시
image_path	이미지 파일의 상대/절대 경로	./images/image_01.jpg
mask_path	마스크 파일의 경로	./masks/image_01.png
structure_class_id	구조물 부재 ID (0~5)	3 (Slab)
damage_types	포함된 손상 종류 ID	1|3 (Crack + Efflorescence)
patterns	손상 패턴 속성	수직|망상형
raw_loc	원본 데이터의 촬영 위치 설명	철도교량-상부구조

---

🏷️ 클래스 정의 (Class Definitions)

이 데이터셋은 총 14개 채널의 출력을 가정하고 설계되었습니다. 모델 학습 시 아래 매핑 테이블을 참고하십시오.

1. 손상 클래스 (Damage Segmentation) - Channels 0~7

마스크 이미지(PNG)의 픽셀 값에 해당합니다.

ID	Class Name	한글 명칭	설명
0	Background	배경	손상이 없는 영역
1	Crack	균열	콘크리트 표면의 갈라짐
2	Corrosion	철근 부식	철근 노출 및 녹 발생
3	Efflorescence	백화	표면에 하얗게 일어난 석회 물질
4	Mold	곰팡이/이끼	습기로 인한 오염
5	Spalling	박락/박리	콘크리트가 떨어져 나간 상태 (들뜸 포함)
6	(Reserved)	-	(현재 사용 안 함, 필요 시 Strain 등으로 활용)
7	Waterleak	누수	물이 새어나온 흔적

2. 구조물 클래스 (Structure Classification) - Channels 8~13

이미지 전체에 대한 분류(Weakly Supervised) 라벨입니다.

ID	Class Name	한글 명칭	매핑된 원본 키워드 예시
0	Background	미분류/기타	-
1	Column	기둥/교각	교각, 기둥
2	Beam	보/거더	거더, 빔
3	Slab	슬래브/상판	상부구조, 상판, 슬래브, 교량(미상세)
4	Opening	개구부	창호, 개구부
5	Wall	벽체	옹벽, 터널, 지하차도, 방음벽

---

🛠️ 사용 방법 (Usage Example)

이 데이터셋을 Dataset 클래스로 로드하여 14채널 텐서로 변환하는 Python 예제입니다.

import cv2
import torch
import pandas as pd
from torch.utils.data import Dataset
import numpy as np

class StructureDamageDataset(Dataset):
    def __init__(self, csv_path):
        self.df = pd.read_csv(csv_path)

    def __len__(self):
        return len(self.df)

    def __getitem__(self, idx):
        row = self.df.iloc[idx]
        
        # 이미지 로드
        image = cv2.imread(row['image_path'])
        image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
        
        # 마스크 로드 (PNG 파일은 0~7의 손상 값을 가짐)
        mask_png = cv2.imread(row['mask_path'], cv2.IMREAD_UNCHANGED)
        
        # 14채널 통합 마스크 생성 (H, W, 14)
        H, W = image.shape[:2]
        target = np.zeros((H, W, 14), dtype=np.float32)
        
        # [Ch 0~7] 손상 정보 One-hot Encoding
        for cls_id in range(1, 8):
            target[:, :, cls_id] = (mask_png == cls_id).astype(np.float32)
            
        # [Ch 8~13] 구조물 정보 (Weakly Supervised - 전체 채우기)
        struct_id = int(row['structure_class_id']) # 0~5
        target[:, :, 8 + struct_id] = 1.0 
        
        return image, target