Crack Segmentation Weights
DeepCrack으로 학습한 6개 모델의 가중치와 학습 기록입니다. 원본 데이터 및 예측 이미지는 포함하지 않습니다.
전체 비교 결과와 계획에서 1차 학습과 정체 종료까지 연장한 결과를 함께 확인할 수 있습니다. 총 30개 실행, 1,496 epoch를 학습했습니다. 추가 학습은 검증 IoU를 높였지만 이번 비교의 테스트 IoU는 모든 모델에서 낮아졌습니다. 테스트 성능이 개선됐다고 주장하지 않습니다.
Models
weights/segnet/deepcrack/<condition>/: pooling index/unpool 기반 compact SegNet.weights/segnet_vgg16/deepcrack/<condition>/: VGG16 기반 SegNet.weights/fphbn/deepcrack/<condition>/: 단순화한 FPHBN.weights/unet_18/deepcrack/<condition>/: ResNet18 기반 U-Net.weights/unet_resnet50/deepcrack/<condition>/: ResNet50 기반 U-Net.weights/unet_vgg16/deepcrack/<condition>/: VGG16 기반 U-Net.- 기존
weights/segnet/deepcrack/와weights/unet_18/deepcrack/바로 아래 baseline 파일은 유지했습니다. 기존 SegNet baseline은 legacy bilinear decoder입니다.
모델 폴더의 training-plan.md/json, 데이터셋 폴더의 tuning-summary.json, 조건 폴더의 best.pt, last.pt, 설정·학습 이력·평가 기록을 함께 제공합니다.
best.pt는 검증 IoU로 선택한 가중치이고, last.pt는 optimizer와 scheduler 상태를 포함한 재개용 체크포인트입니다.
모든 튜닝 모델은 사전학습 없이 시작했으며, 논문 성능의 완전 재현을 의미하지 않습니다.
Download
python hub.py download weights unet_18/deepcrack/tune_v1_lr0p0003_pw1_s1337 --checkpoint best.pt
python hub.py upload weights unet_18/deepcrack/my_experiment
프로젝트 소스의 hub.py를 사용합니다. 로컬 경로는 models/weights/<model>/<dataset>/<condition>/입니다.
1차 가중치는 각 모델의 deepcrack/initial-comparison.json에 기록된 selected와 revision으로 복원할 수 있습니다. --revision과 별도 --root를 사용하면 현재 결과를 보존할 수 있습니다.
데이터셋은 별도의 비공개 dataset 저장소에서 관리합니다.
Training data and usage
이 모델들은 DeepCrack (Liu et al.)으로 학습했습니다. 원 데이터는 비상업 연구·교육 목적 제한이 있습니다. 데이터 라이선스가 가중치에 어떻게 적용되는지와 가중치의 재배포·상업 이용 허용 여부는 별도 검토 대상입니다. 이 공개 저장소는 원 데이터 또는 모델의 무제한 이용 허가를 의미하지 않으며, 별도 포괄 라이선스를 부여하지 않습니다. 데이터셋 파일은 별도의 비공개 저장소에서 관리합니다.
Source snapshot
Source code and completed-results summary: GitHub commit 937a2c3. Regression checks: 26 tests passed. Model training plans include a follow-up large-batch experiment; those planned runs are not included in the completed-results table. Temporary launcher scripts and logs are excluded from publication.