数据来源：
Building Defect Detection由研究团队采集并整理，聚焦于城市建筑环境中的墙体缺陷检测任务。原始图像均为实拍 RGB 照片，并通过专家标注六类典型结构性缺陷及正常墙体图像。为提升模型训练的效果和泛化能力，还基于原始图像生成了增强版本，构成完整的 BD3 数据集。
数据内容：
包含两个子集，总计 17,965 张图像：
原始数据集：3,965 张 RGB 图像，标注了七类标签（含六类缺陷及正常类）
增强数据集：14,000 张图像，基于原始图像使用几何与色彩变换生成，用于扩充训练样本
字段定义：
图像文件名：图像的唯一标识
类别标签：取值范围为“藻类”、“重大裂缝”、“轻微裂纹”、“剥皮”、“剥落”、“弄脏”、“正常”
数据类型：标识图像来源于“原始”或“增强”子集
缺陷类别与图像数量：
藻类：624 张
重大裂缝：620 张
轻微裂纹：580 张
剥皮：520 张
剥落：500 张
弄脏：521 张
正常墙面：600 张
增强策略：
几何变换：旋转、水平/垂直翻转
色彩调整：亮度、对比度、饱和度、色相变化
这些增强操作旨在提升模型对图像角度、光照和色彩变化的适应能力。
数据特征：
多类别图像分类任务，共七类标签
来源真实城市建筑环境，贴近实际检测应用场景
覆盖典型墙面缺陷，适用于结构性异常检测模型训练
含高比例增强样本，适用于模型鲁棒性研究
图像分辨率为常规 RGB 格式，具体分辨率未明示
适用场景：
城市建筑墙体缺陷自动检测与识别
用于训练与评估图像分类模型
无人机或机器人视觉检测系统研究
墙面质量评估、建筑运维辅助系统开发
增强学习与图像预处理方法的效果评估
