261020-dobe-defect

건축물/시설물 하자(결함) 분류를 위한 이미지 데이터셋

📋 데이터셋 개요

항목	값
총 클래스 수	19개
학습 샘플	5,921개
검증 샘플	698개
이미지 크기	518x518px
생성일	2026-01-20

🏗️ 데이터셋 설명

아파트, 건물 등의 시설물 하자 검사 이미지를 분류하기 위한 데이터셋입니다. DINOv2 Vision Transformer 파인튜닝에 최적화되어 있습니다.

전처리 특징

• ✅ 비율 유지 리사이즈: 518x518 + 흰색 패딩
• ✅ 클래스 불균형 해소: 차등 증강 적용 (소수 클래스 최대 50배)
• ✅ 극소수 클래스 포함: 모든 클래스 학습에 포함
• ✅ 데이터 증강: Flip, Rotate, ColorJitter, GaussNoise 등

📊 클래스별 통계

클래스 ID	클래스명	학습 샘플	검증 샘플	비고
0	0 오염	476	119
1	1 녹오염	231	3
2	10 몰딩수정	312	26
3	11 틈새과다	120	1
4	12 꼬임	504	42
5	13 울음	221	5
6	14 걸레받이수정	245	62
7	15 반점	60	1
8	16 훼손	1,124	281
9	17 창틀문틀수정	231	6
10	18 곰팡이	348	29
11	2 면불량	237	20
12	3 들뜸	215	11
13	4 이음부불량	221	4
14	5 터짐	387	33
15	6 피스	200	11
16	7 오타공	339	29
17	8 석고수정	225	12
18	9 가구수정	225	3

총계: 학습 5,921개 / 검증 698개

💻 사용법

from datasets import load_dataset

# 데이터셋 로드
dataset = load_dataset("siheo/261020-dobe-defect")

# 학습/검증 데이터 접근
train_data = dataset["train"]
val_data = dataset["validation"]
print(f"학습: {len(train_data)}개, 검증: {len(val_data)}개")

# 샘플 확인
sample = train_data[0]
image = sample["image"]  # PIL Image
label = sample["label"]  # 정수 레이블

# 이미지 저장
sample["image"].save("sample.png")

# 모든 이미지 로컬에 내보내기
import os
for split in ["train", "validation"]:
    for idx, s in enumerate(dataset[split]):
        label_name = s["label"]
        os.makedirs(f"exported/{split}/{label_name}", exist_ok=True)
        s["image"].save(f"exported/{split}/{label_name}/{idx}.png")

🔧 권장 파인튜닝 설정

model:
  name: facebook/dinov2-base
  image_size: 518

training:
  method: lora
  batch_size: 32
  learning_rate: 5e-5
  epochs: 30

loss:
  type: focal
  focal_gamma: 2.0

⚠️ 주의사항

• 이 데이터셋은 한국 건축물 하자 이미지로 구성되어 있습니다
• 다른 유형의 결함이나 촬영 조건에서는 성능이 다를 수 있습니다
• 클래스 불균형이 존재하므로 Focal Loss 사용을 권장합니다

📜 라이선스

CC-BY-NC-4.0 (비상업적 용도)

---

Generated by DINO Defect Dataset Creator Skill