Construction Industry Vision Alberta Dataset (CIVAD): Developing a Comprehensive Object Detection Dataset for Diverse Construction Applications
Notice bibliographique
Résumé
Integrating computer vision technologies intothe construction industry has the potential to revolutionize site monitoring, safety management, and quality control.However, a critical gap remains in the availability of specialized datasets tailored to construction sites' distinct conditions and complexities while including sufficient classes representing most items in construction sites.Existing Computer Vision (CV) models often rely on generic training datasets, which limit their effectiveness for specific construction-monitoring-related tasks.Consequently, there is a pressing need for comprehensive domain-specific datasets that can capture the full spectrum of construction-related objects and activities.This study addresses this gap by developing a foundational training dataset called the Construction Industry Vision Alberta Dataset (CIVAD), specifically designed for CV applications in the construction sector.Our dataset included over 50 classes with more than 86,905 images of different objects, such as tools, machinery, safety equipment, and construction materials, to support diverse CV tasks.It utilizes a combination of web scraping, inclusion of existing open-source datasets, and direct data captured from construction sites.A set of novel methods, such as semiauto-labeling with advanced models, such as Grounded SAM and Grounding DINO, were used with our custom algorithms.These models were utilized to process parts of the dataset imagery with humans in the loop.This approach facilitated an efficient and accurate dataset creation process.The CIVAD dataset and methods employed in this study represent a significant step forward in integrating CV technologies across various construction-related applications.
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →Les trois modèles l'ont jugé hors champ.
Announcement of a computer vision training dataset for construction sites; a domain dataset, not research-system infrastructure.
The work develops a construction computer-vision dataset rather than studying research infrastructure or practice.
Construction-site computer-vision training dataset for industry monitoring, not research infrastructure as object.
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».