道路损坏检测，可识别横向，纵向裂纹，坑洼，白线模糊，十字路口模糊，井盖等 3506张图片，支持YOLO，COCO JSON，PASICAL VOC XML格式的标注
本项目的数据集来源于基于众包感知的道路损坏检测挑战赛 (CRDDC2022) ( https://crddc2022.sekilab.global )。由于收集的数据集一致性，原始挑战赛仅考虑四个类别 (类)。然而，本项目通过将数据集限制在日本的集合（包含 7 个类）来扩展数据集的实用性。
以下是该项目的一些用例：
市政基础设施维护：市政府可以使用“道路损坏检测”模型来有效识别损坏的道路并确定修复的优先顺序，从而提高道路安全性并促进交通顺畅。
坑洼和道路损坏报告：移动应用程序开发人员可以将模型集成到他们的应用程序中，允许用户自动检测并直接向当地政府报告道路损坏（例如坑洼），以便更快地进行修复。
保险索赔评估：保险公司可以使用该模型分析事故发生时的道路状况，帮助确定责任并根据道路损坏对事故的影响评估索赔有效性。
自动驾驶汽车导航：自动驾驶汽车系统可以使用“道路损坏检测”模型来识别前方的损坏道路并调整其路线或速度以优化安全性、舒适性和燃油效率。
道路基础设施投资规划：交通机构可以使用该模型分析当前道路状况，从而根据数据驱动的基础设施改进策略更有效地分配资金和资源。
缺陷类别：
类代码 | 损坏类型 |
0.D00 | 纵向裂纹 |
1.D10 | 横向裂纹 |
2.D20 | 错综裂纹 |
3.D40 | 坑洼 |
4.D43 | 白线模糊 |
5.D44 | 十字路口模糊 |
6.D50 | 井盖 |
