انتقل إلى المحتوى

Roboflow مجموعة بيانات تجزئة الكراك الكوني

The Roboflow Crack Segmentation Dataset stands out as an extensive resource designed specifically for individuals involved in transportation and public safety studies. It is equally beneficial for those working on the development of self-driving car models or simply exploring computer vision applications for recreational purposes.

Comprising a total of 4029 static images captured from diverse road and wall scenarios, this dataset emerges as a valuable asset for tasks related to crack segmentation. Whether you are delving into the intricacies of transportation research or seeking to enhance the accuracy of your self-driving car models, this dataset provides a rich and varied collection of images to support your endeavors.

هيكل مجموعة البيانات

يتم توضيح تقسيم البيانات داخل مجموعة بيانات تجزئة الكراك على النحو التالي:

  • مجموعة التدريب: تتكون من 3717 صورة مع التعليقات التوضيحية المقابلة.
  • مجموعة الاختبار: تضم 112 صورة مع التعليقات التوضيحية الخاصة بها.
  • مجموعة التحقق من الصحة: تتضمن 200 صورة مع التعليقات التوضيحية المقابلة لها.

التطبيقات

يجد تجزئة الشقوق تطبيقات عملية في صيانة البنية التحتية ، مما يساعد في تحديد وتقييم الأضرار الهيكلية. كما أنه يلعب دورا حاسما في تعزيز السلامة على الطرق من خلال تمكين الأنظمة الآلية من اكتشاف ومعالجة شقوق الأرصفة للإصلاحات في الوقت المناسب.

مجموعة البيانات YAML

يتم استخدام ملف YAML (لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات ، بما في ذلك تفاصيل حول المسارات والفئات والمعلومات الأخرى ذات الصلة. على وجه التحديد ، بالنسبة لمجموعة بيانات تجزئة الكراك ، فإن crack-seg.yaml تتم إدارة الملف ويمكن الوصول إليه في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml.

ultralytics/cfg/datasets/crack-seg.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 license
# Crack-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/crack-seg/
# Example usage: yolo train data=crack-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── crack-seg  ← downloads here (91.2 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/crack-seg # dataset root dir
train: train/images # train images (relative to 'path') 3717 images
val: valid/images # val images (relative to 'path') 112 images
test: test/images # test images (relative to 'path') 200 images

# Classes
names:
  0: crack

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/crack-seg.zip

استخدام

To train Ultralytics YOLO11n model on the Crack Segmentation dataset for 100 epochs with an image size of 640, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

مثال القطار

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="crack-seg.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=crack-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

عينة من البيانات والتعليقات التوضيحية

تشتمل مجموعة بيانات Crack Segmentation على مجموعة متنوعة من الصور ومقاطع الفيديو التي تم التقاطها من وجهات نظر متعددة. فيما يلي أمثلة للبيانات من مجموعة البيانات ، مصحوبة بالتعليقات التوضيحية الخاصة بكل منها:

صورة عينة مجموعة البيانات

  • تقدم هذه الصورة مثالا على تجزئة كائن الصورة، والتي تتميز بمربعات محيطة مشروحة مع أقنعة تحدد الكائنات المحددة. تتضمن مجموعة البيانات مجموعة متنوعة من الصور التي تم التقاطها في مواقع وبيئات وكثافات مختلفة ، مما يجعلها موردا شاملا لتطوير النماذج المصممة لهذه المهمة بالذات.

  • يؤكد المثال على التنوع والتعقيد الموجود في مجموعة بيانات تجزئة الكراك ، مع التأكيد على الدور الحاسم للبيانات عالية الجودة في مهام رؤية الكمبيوتر.

الاستشهادات والشكر

إذا قمت بدمج مجموعة بيانات تجزئة الكراك في مساعيك البحثية أو التطويرية ، فيرجى الرجوع إلى الورقة التالية:

@misc{ crack-bphdr_dataset,
    title = { crack Dataset },
    type = { Open Source Dataset },
    author = { University },
    howpublished = { \url{ https://universe.roboflow.com/university-bswxt/crack-bphdr } },
    url = { https://universe.roboflow.com/university-bswxt/crack-bphdr },
    journal = { Roboflow Universe },
    publisher = { Roboflow },
    year = { 2022 },
    month = { dec },
    note = { visited on 2024-01-23 },
}

نود أن نعترف Roboflow فريق لإنشاء وصيانة مجموعة بيانات تجزئة الكراك كمورد قيم للسلامة على الطرق والمشاريع البحثية. لمزيد من المعلومات حول مجموعة بيانات تجزئة الكراك ومنشئيها ، قم بزيارة صفحة مجموعة بيانات تجزئة الكراك.

الأسئلة المتداولة

ما هي مجموعة بيانات تجزئة الشقوق Roboflow ؟

مجموعة بيانات تقسيم الشقوقRoboflow هي مجموعة شاملة من 4029 صورة ثابتة مصممة خصيصاً لدراسات النقل والسلامة العامة. وهي مثالية لمهام مثل تطوير نماذج السيارات ذاتية القيادة وصيانة البنية التحتية. تتضمن مجموعة البيانات مجموعات التدريب والاختبار والتحقق من الصحة، مما يساعد في الكشف الدقيق عن التشققات وتجزئة الشقوق.

How do I train a model using the Crack Segmentation Dataset with Ultralytics YOLO11?

To train an Ultralytics YOLO11 model on the Crack Segmentation dataset, use the following code snippets. Detailed instructions and further parameters can be found on the model Training page.

مثال القطار

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="crack-seg.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=crack-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

لماذا يجب أن أستخدم مجموعة بيانات تجزئة الكراك لمشروع سيارتي ذاتية القيادة؟

تُعد مجموعة بيانات تجزئة التشققات مناسبة بشكل استثنائي لمشاريع السيارات ذاتية القيادة نظراً لمجموعتها المتنوعة التي تضم 4029 صورة للطرق والجدران، والتي توفر مجموعة متنوعة من السيناريوهات. يعزز هذا التنوع من دقة ومتانة النماذج المدربة على اكتشاف التصدعات، وهو أمر بالغ الأهمية للحفاظ على سلامة الطرق وضمان إصلاح البنية التحتية في الوقت المناسب.

ما هي الميزات الفريدة التي يقدمها الموقع الإلكتروني Ultralytics YOLO لتجزئة الشقوق؟

Ultralytics YOLO offers advanced real-time object detection, segmentation, and classification capabilities that make it ideal for crack segmentation tasks. Its ability to handle large datasets and complex scenarios ensures high accuracy and efficiency. For example, the model Training, Predict, and Export modes cover comprehensive functionalities from training to deployment.

كيف يمكنني الاستشهاد بمجموعة بيانات تجزئة الشقوق Roboflow في ورقتي البحثية؟

إذا قمت بدمج مجموعة بيانات تجزئة الكراك في بحثك، يُرجى استخدام مرجع BibTeX التالي:

@misc{ crack-bphdr_dataset,
    title = { crack Dataset },
    type = { Open Source Dataset },
    author = { University },
    howpublished = { \url{ https://universe.roboflow.com/university-bswxt/crack-bphdr } },
    url = { https://universe.roboflow.com/university-bswxt/crack-bphdr },
    journal = { Roboflow Universe },
    publisher = { Roboflow },
    year = { 2022 },
    month = { dec },
    note = { visited on 2024-01-23 },
}

يضمن تنسيق الاقتباس هذا الاعتماد المناسب لمنشئي مجموعة البيانات والإقرار باستخدامها في بحثك.


📅 Created 8 months ago ✏️ Updated 7 days ago
ألترالتيكسيستانتست غلين-جوتشر MatthewNoyce رضوان منور ج ك 4 هـ

التعليقات