urmind-rdd2022 — subset autorizado do RDD2022 para o UrMind MODEL V1

⚠️ Este NÃO é o RDD2022 oficial. É um recorte parcial, mantido por terceiros (projeto UrMind). Para o dataset completo e autoritativo, use a fonte oficial no figshare indicada abaixo.

Recorte reproduzível do RDD2022 usado pelo projeto UrMind para treinar e avaliar um detector YOLOX-s de danos em pavimento. Não é um novo dataset: é uma partição documentada de um dataset público de terceiros.

O UrMind não é autor do RDD2022

O RDD2022 foi criado e publicado pelas equipes do CRDDC 2022. Este repositório redistribui um recorte sob os termos da licença original e não reivindica autoria sobre as imagens ou anotações.

• Upstream: RDD2022 — The multi-national Road Damage Dataset released through CRDDC 2022
• Fonte oficial: https://figshare.com/articles/dataset/RDD2022_-_The_multi-national_Road_Damage_Dataset_released_through_CRDDC_2022/21431547
• DOI: 10.6084/m9.figshare.21431547.v1
• Versão: figshare-21431547-v1 (2022-crddc)
• Licença: CC BY 4.0 — redistribuição permitida com atribuição obrigatória

Ao usar estes dados, cite o RDD2022 original, não o UrMind.

Classes

Quatro classes canônicas do UrMind, mapeadas 1:1 a partir dos rótulos originais:

UrMind	Original	Descrição
URMIND_ROAD_D00	D00	Trinca longitudinal
URMIND_ROAD_D10	D10	Trinca transversal
URMIND_ROAD_D20	D20	Trinca do tipo couro de jacaré (alligator)
URMIND_ROAD_D40	D40	Buraco (pothole)

Rótulos originais fora dessas quatro (D01, D11, D43, D44, D50, Repair, entre outros) não foram convertidos e não aparecem como objetos anotados neste recorte.

Conteúdo e splits

Partição por grupo de país, semente 20260908, sem cópia física no projeto de origem.

Split	Imagens	Objetos	D00	D10	D20	D40
TRAIN	23.830	34.526	14.173	5.777	8.685	5.891
VALIDATION	3.858	7.718	4.104	2.359	934	321
TEST	7.634	12.759	7.738	3.694	995	332
Total	35.322	55.003

Conteúdo: 35.322 imagens JPG + 35.322 anotações XML (Pascal VOC), um XML por imagem, totalizando 70.644 arquivos. Bytes originais preservados — sem recompressão, sem reempacotamento e sem normalização de fim de linha.

Verificação de vazamento entre splits: aprovada — 6 grupos de país conferidos, 35.321 hashes comparados, 0 colisões.

⚠️ Estrutura de pastas: train upstream ≠ split do UrMind

Os arquivos ficam em:

data/RDD2022/<pais>/train/images/*.jpg
data/RDD2022/<pais>/train/annotations/xmls/*.xml

Esses caminhos preservam a estrutura e a nomenclatura originais do RDD2022 upstream. O componente train no caminho e o nome da pasta de origem e NAO representa necessariamente o split logico usado pelo UrMind. Todas as pastas dizem train porque nenhuma imagem do test original do RDD2022 entrou neste recorte — e imagens que estao sob .../train/... aparecem em TRAIN, VALIDATION e TEST do UrMind.

Os splits TRAIN / VALIDATION / TEST do UrMind sao definidos separadamente, pelos manifests e fingerprints do projeto e pelas tres listas em splits/:

splits/rdd2022_subset_train.txt        23.830 imagens
splits/rdd2022_subset_validation.txt    3.858 imagens
splits/rdd2022_subset_test.txt          7.634 imagens

Nao infira o split do UrMind pelo nome da pasta upstream. Use as listas em splits/.

TEST permanece selado

O split TEST é publicado para reprodutibilidade, mas no fluxo do UrMind ele é selado: o código de treino e o avaliador só acessam TRAIN e VALIDATION, e o acesso a TEST é bloqueado por regra executável (app.ml.splits), não por convenção. TEST é reservado para a avaliação final única. Quem reutilizar este dataset deve decidir conscientemente se quebra esse selo.

Fingerprints

Ancoram este recorte à cadeia de proveniência versionada no GitHub:

Item	SHA-256
Split manifest	0685cce617713034d81c46724317ed1004070c7b0db5d4cb4932676efa8e1823
Selection manifest	34126fd8bbbd9ecacc0f40e35f89241ad52c5d3379468aa1d51aba53f4e8b600
Authorization sheet	dc5db296f105be2b7aa47ccabe4637550a364ef0d3f59a509701944baab1973e
Índice de população upstream	56180db30512f57ae8e63af7ae5bbe391ad9f8617f8c64e8064b2dd084b638b4

• population_id: crddc2022-official-all-images-train-test (47.420 registros na população oficial)
• Decisão de autorização: APPROVED_FOR_MODEL_V1, sem divergências de vínculo

Repositório de código e metadata

Manifests, contratos, registry de artefatos, scripts e definição de splits são mantidos no GitHub, não duplicados aqui:

• GitHub: https://github.com/FelipeSonsin/UrMind
• Commit associado: 9581297ee92855f7235c2433ff19638855e05201

Limitações conhecidas

• Country/domain shift. As imagens vêm de seis países (Japão, Índia, EUA, Chéquia, Noruega, China) com câmeras, alturas de montagem, clima e padrões de pavimento muito diferentes. Desempenho não transfere automaticamente entre países, e em particular não há dados brasileiros neste recorte.
• Ausência de metadata de rota/sessão. O upstream não publica identificador de rota, trajeto ou sessão de captura. O agrupamento usado é por país — o mais forte disponível —, então imagens consecutivas da mesma via podem cair em splits diferentes. A verificação de vazamento cobre grupos e hashes, não relações não documentadas na fonte.
• D40 minoritária em VALIDATION e TEST. Apenas 321 e 332 objetos. Métricas de buraco nesses splits têm intervalo de confiança largo; diferenças pequenas de AP em D40 não devem ser lidas como ganho real.
• Desequilíbrio entre classes. D00 domina em todos os splits.
• Recorte, não população completa. 35.322 das 47.420 imagens da população oficial. Para o dataset completo, use a fonte oficial no figshare.
• Status do split: proposal_requires_human_review; freeze before future training no momento da geração; a autorização formal foi concedida depois, em APPROVED_FOR_MODEL_V1.