[论文解读] SODA: Site Object Detection dAtaset for Deep Learning in Construction

Rui Duan, Hui Deng+3 more|arXiv (Cornell University)|Feb 19, 2022

Infrastructure Maintenance and Monitoring被引用 4

一句话总结

本文提出了 SODA，一个大规模、开源的施工场地图像数据集，包含 19,846 幅图像，涵盖 15 个类别（工人、材料、机械、布局等）的 286,201 个标注对象。数据集在不同条件下采集，并通过 YOLOv3/v4 进行评估，达到最高 mAP 81.47%，为基于深度学习的施工场地目标检测建立了基准。

ABSTRACT

Computer vision-based deep learning object detection algorithms have been developed sufficiently powerful to support the ability to recognize various objects. Although there are currently general datasets for object detection, there is still a lack of large-scale, open-source dataset for the construction industry, which limits the developments of object detection algorithms as they tend to be data-hungry. Therefore, this paper develops a new large-scale image dataset specifically collected and annotated for the construction site, called Site Object Detection dAtaset (SODA), which contains 15 kinds of object classes categorized by workers, materials, machines, and layout. Firstly, more than 20,000 images were collected from multiple construction sites in different site conditions, weather conditions, and construction phases, which covered different angles and perspectives. After careful screening and processing, 19,846 images including 286,201 objects were then obtained and annotated with labels in accordance with predefined categories. Statistical analysis shows that the developed dataset is advantageous in terms of diversity and volume. Further evaluation with two widely-adopted object detection algorithms based on deep learning (YOLO v3/ YOLO v4) also illustrates the feasibility of the dataset for typical construction scenarios, achieving a maximum mAP of 81.47%. In this manner, this research contributes a large-scale image dataset for the development of deep learning-based object detection methods in the construction industry and sets up a performance benchmark for further evaluation of corresponding algorithms in this area.

研究动机与目标

• 为解决当前缺乏专用于施工场地目标检测的大规模、开源数据集的问题。
• 在不同条件、阶段和视角下，收集并标注多样化的实际施工场地图像。
• 提供一个基准数据集，以支持基于深度学习的目标检测算法在施工领域的开发与评估。
• 提升目标检测模型在复杂、动态施工环境中的性能与泛化能力。

提出的方法

• 从多个实际施工场地收集超过 20,000 幅图像，涵盖不同天气、光照条件和施工阶段。
• 对图像进行筛选与处理，以确保质量与一致性，最终确定 19,846 幅图像作为数据集的最终版本。
• 使用 15 个预定义类别（工人、材料、机械和布局元素）对所有对象进行标注。
• 采用边界框标注并附带类别标签，以支持目标检测的训练与评估。
• 使用两种最先进的基于 YOLO 的模型（YOLOv3 和 YOLOv4）对数据集进行评估，以验证其可用性。
• 开展统计分析，以证明数据集的多样性与规模，确认其在真实施工场景中的代表性。

实验结果

研究问题

• RQ1 大规模、多样化的施工场地图像数据集能否有效支持深度学习目标检测模型的训练？
• RQ2 标准 YOLO 基模型在使用 SODA 数据集进行施工特定目标检测任务时，其性能如何泛化？
• RQ3 SODA 中场地条件、物体类别和视角的多样性在多大程度上提升了模型的鲁棒性与准确性？
• RQ4 SODA 数据集是否能为未来施工场地监控中的算法开发与评估提供可靠的基准？

主要发现

• SODA 数据集包含 19,846 幅高质量图像，涵盖 15 个与施工相关的类别，共标注 286,201 个对象。
• 该数据集在场地条件、天气、施工阶段和视角方面表现出强大的多样性，显著提升了模型的泛化潜力。
• 在 YOLOv4 上的评估达到最高平均精度均值（mAP）81.47%，证明了该数据集在训练高性能模型方面的适用性。
• 统计分析证实，数据集在各类别间分布均衡，并能充分代表真实施工环境的多样性。
• 该数据集为施工场地目标检测设定了新的性能基准，支持未来算法的标准化评估。
• SODA 的开源发布促进了可复现的研究，并加速了人工智能驱动的施工场地监控领域的创新。