发帖
雷达卡
ConstructionSite建筑工地图像数据集｜UBC+哥大2025发布 10013张图（含安全违规标注）
一、数据集核心背景：聚焦施工安全的多模态AI评估基准
该数据集由英属哥伦比亚大学（UBC，加拿大） 与哥伦比亚大学（美国） 联合开发，于2025年正式发布，其研究成果对应论文为「Are Large Pretrained Vision Language Models Effective Construction Safety Inspectors?」。
核心目标是解决“施工安全AI模型缺乏真实场景数据”的痛点——为视觉语言模型提供“建筑工地安全场景”的标准化评估与训练基准，助力提升模型在施工环境下的图像理解、安全违规推理能力，直接适配工地AI安全巡检、智能风险识别等实际需求。
二、核心数据规模：10013张图像+训练测试双分拆
数据集总计包含10,013张真实建筑工地图像，按“训练测试”场景科学拆分，满足模型全流程开发需求：
训练集：7,009张图像，覆盖常见工地场景（如主体施工、材料堆放、设备作业），用于模型基础训练；
测试集：3,004张图像，包含更多复杂边缘场景（如恶劣天气施工、多设备交叉作业），用于模型性能验证。
三、数据核心内容：6类标注信息，覆盖安全检查全维度
每条数据均配套“图像+多维度标注”，精准匹配施工安全检查需求，具体包含：
1.基础信息：高清工地图像+对应的场景描述（如“3层楼板钢筋绑扎作业现场”）；
2.安全违规问答：针对图像中潜在违规点的问答对（如“图中工人安全帽佩戴是否合规？答案：2名工人未佩戴安全帽”）；
3.违规边界框：违规对象（如未戴安全帽的工人、未固定的脚手架）的精准位置标注；
4.目标检测类别：涵盖工地核心对象（如挖掘机、钢筋、佩戴白色安全帽的工人、塔吊）；
5.图像属性：记录光照（强光/弱光）、相机距离（近景/远景）、视角（平视/俯视）、信息质量（清晰/模糊）等环境参数；
6.安全规则关联：标注图像对应的施工安全规范（如《建筑施工高处作业安全技术规范》相关条款）。
四、数据集核心特点：贴近真实施工安全场景
场景复杂性：覆盖不同施工阶段（地基、主体、装修）、不同环境条件（晴天/雨天、白天/夜间），还原真实工地多样性；
标注全面性：从基础图像描述到安全违规细节，再到目标位置，标注维度完整，无需额外补充数据；
实用性强：所有数据围绕“施工安全检查”设计，直接对接工地AI巡检系统的开发需求，避免数据与应用脱节。
五、核心使用场景与获取途径
1. 核心使用场景
AI模型开发：用于训练“工地安全违规识别模型”“施工目标检测模型”“多模态安全问答模型”；
学术研究：支撑“视觉语言模型在工业安全场景的适配性”“施工安全AI评估标准”等课题；
行业应用：帮助建筑企业搭建智能安全巡检工具，提升工地安全检查效率（如自动识别未戴安全帽、违规操作）。
2. 权威获取途径
优先通过IEEE DataPort、GitHub学术仓库获取，或访问英属哥伦比亚大学/哥伦比亚大学的科研数据平台，搜索数据集名称“ConstructionSite”即可下载；下载包含图像文件、标注文档、使用说明，支持直接导入PyTorch、TensorFlow等框架。
京公网安备 11010802022788号
