Awesome-Crack-Detection

按范式、泛化性、数据集，快速索引裂缝检测论文。

这是一个关于深度学习裂缝检测的论文列表，系统整理了该领域的核心文献。项目按学习范式（如监督、半监督、无监督）、泛化能力和数据集三个维度对论文进行分类，旨在帮助研究者快速了解裂缝检测的研究脉络和最新进展。它解决了该领域文献分散、难以系统检索的问题，提供了结构化的论文索引，并附带了相关数据集的汇总。作为早期项目，其核心价值在于知识整理和导航，而非提供代码或模型。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 90

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队nantonzhang

所属国家

官网地址

GitHubhttps://github.com/nantonzhang/Awesome-Crack-Detection

定价模式free

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态

是否开源是

开源协议

主要语言

技术栈/模型computer-vision,crack-detection,crack-segmentation,datasets,deep-learning,domain-adaptation,few-shot-learning,foundation-models,peft,semisupervised-learning,supervised-learning,unsupervised-learning,weakly-supervised-learning

GitHub 星标★ 90

30天Star增速

HF 下载量

上线时间2025-05-27 00:00:00

最近更新2026-09-16 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数9

使用教程

核心亮点

分类维度清晰，覆盖学习范式、泛化性和数据集，便于按需检索。
汇集了领域内主要数据集，节省了寻找数据的时间。
作为论文列表，更新机制简单，易于维护和补充。

不足之处

仅提供论文列表，不包含代码或模型实现，实用性受限。
文档/社区待观察，缺乏使用说明和贡献指南。

适用场景

科研人员快速了解裂缝检测领域的研究现状。
研究生选题或文献调研，寻找相关论文和数据。
工程师调研深度学习在基础设施检测中的应用。

替代项目

Awesome-Deep-Learning、Awesome-Semantic-Segmentation、Awesome-Object-Detection

项目介绍

Awesome-Crack-Detection 是数据集领域的开源项目，由 nantonzhang 开发，2025 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 90。

项目仍在小幅维护中，最近一次代码更新于 2026-09-16。无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：科研人员快速了解裂缝检测领域的研究现状。同类可对比的替代方案包括 Awesome-Deep-Learning、Awesome-Semantic-Segmentation、Awesome-Object-Detection。

上一篇：medalign

下一篇：plurel

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10

aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20

distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10

DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09