Link to this sectionクラックセグメンテーションデータセット#

The Ultralytics Crack Segmentation Dataset provides 4,029 annotated images of cracks on roads and walls for training instance segmentation models on a single crack class. Captured across diverse pavement and structural scenarios, it pairs directly with Ultralytics YOLO for use cases ranging from transportation safety and self-driving car perception to infrastructure maintenance and structural computer vision inspection.

Link to this sectionデータセットの構造#

Crack Segmentation Datasetの4,029枚の画像の内訳は以下の通りです。

• Training set: 3,717 images used for training the deep learning model.
• 検証セット: トレーニング中にハイパーパラメータの調整や過学習の防止に使用される200枚の画像。
• テストセット: トレーニング後のモデル評価のために保持されている112枚の画像。
• クラス: 道路や壁のあらゆるアノテーション済み亀裂を網羅する単一の crack クラス。
• ダウンロードサイズ: 約91.6 MB。

Link to this sectionアプリケーション#

亀裂セグメンテーションは、建物、橋、道路の構造的損傷を特定・評価することでインフラメンテナンスを支援します。また、自動化システムが舗装の亀裂を検出し、タイムリーな修復を可能にすることで交通安全も向上させます。

産業現場では、Ultralytics YOLO26のようなモデルによる亀裂検出は、建設における建物の完全性の検証、製造業におけるコストのかかるダウンタイムの防止、そして道路検査の安全性向上に役立ちます。亀裂を自動的に分類することで、メンテナンスチームは最も緊急性の高い修理を優先できるようになります。

Crack Segmentation Datasetの全体は、Ultralytics Platformで閲覧および管理することも可能です。

Link to this sectionデータセット YAML#

YAMLファイルがデータセットの構成を定義します。これには、データセットのパス、クラス、その他の関連情報が含まれます。Crack Segmentationデータセットの場合、 crack-seg.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml に管理されています。

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/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 (91.6 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: crack-seg # dataset root dir
train: images/train # train images (relative to 'path') 3717 images
val: images/val # val images (relative to 'path') 200 images
test: images/test # test images (relative to 'path') 112 images

# Classes
names:
  0: crack

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

Link to this section使用方法#

To train the Ultralytics YOLO26n-seg model on the Crack Segmentation dataset for 100 epochs with an image size of 640, use the following Python or CLI snippets. Refer to the model Training documentation page for a comprehensive list of available arguments and configurations like hyperparameter tuning.

from ultralytics import YOLO

# Load a model
# Using a pretrained model like yolo26n-seg.pt is recommended for faster convergence
model = YOLO("yolo26n-seg.pt")

# Train the model on the Crack Segmentation dataset
# Ensure 'crack-seg.yaml' is accessible or provide the full path
results = model.train(data="crack-seg.yaml", epochs=100, imgsz=640)

# After training, the model can be used for prediction or exported
# results = model.predict(source='path/to/your/images')

Link to this sectionサンプルデータとアノテーション#

以下は、Crack Segmentation Datasetの例であり、道路や壁の表面で特定された亀裂を概説するインスタンスセグメンテーションマスクがオーバーレイされています。

このデータセットは、さまざまな場所、表面、照明条件を網羅しているため、トレーニングされたモデルは、汎用性を高めるために必要な広範な実世界のシーンを学習できます。データ拡張を使用すると、その多様性をさらに拡大できます。関連するワークフローについては、インスタンスセグメンテーションおよびトラッキングガイドを参照してください。

Link to this section引用と謝辞#

研究や開発作業でクラックセグメンテーションデータセットを使用する場合は、適切に出典を明記してください。

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

Crack Segmentationデータセットを公開し、コンピュータビジョンコミュニティ、特に道路安全やインフラ評価に関連するプロジェクトにとって貴重なリソースを提供してくださったRoboflowチームに感謝いたします。その他のデータセットについては、Ultralytics Datasetsコレクションをご覧ください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionCrack Segmentation Datasetとは何ですか？また、Ultralytics YOLO26でどのように使用されますか？#

The Crack Segmentation Dataset is a collection of 4,029 annotated images of cracks on roads and walls for training and evaluating instance segmentation models on a single crack class. It's built for transportation-safety and infrastructure applications like structural inspection and pavement assessment, and is used directly with Ultralytics YOLO26 via the crack-seg.yaml configuration file.

Link to this sectionCrack Segmentation Datasetには何枚の画像といくつのクラスが含まれていますか？#

このデータセットには合計4,029枚の画像（トレーニング用3,717枚、検証用200枚、テスト用112枚）が含まれており、すべて単一の crack クラスとしてアノテーションされています。初回使用時に、フルアーカイブが約91.6 MBの .zip ファイルとして自動的にダウンロードされます。

Link to this sectionCrack Segmentation DatasetでUltralytics YOLO26モデルをトレーニングするにはどうすればよいですか？#

Load a pretrained segmentation model (e.g., yolo26n-seg.pt) and train it with the crack-seg.yaml configuration using the Python or CLI snippets in the Usage section above. See the Training guide for the full list of available arguments.

Link to this section自動運転車やインフラプロジェクトにCrack Segmentation Datasetを使用する理由は何ですか？#

道路や壁にわたる多様な亀裂画像は、多くの実世界のシナリオをカバーしており、亀裂検出のためにトレーニングされたモデルの堅牢性を向上させます。正確なセグメンテーションは、潜在的な危険を確実に特定する必要がある交通安全システムやインフラ評価システムをサポートします。ベストプラクティスについては、上記のアプリケーションセクションおよびモデルトレーニングのヒントを参照してください。

Link to this sectionCrack Segmentationのデータセット構成ファイルはどこにありますか？#

The crack-seg.yaml file, which defines the dataset paths and the single crack class, is located in the Ultralytics GitHub repository: crack-seg.yaml.