クラックセグメンテーションデータセット#

Ultralytics Crack Segmentation Dataset は、単一の crack クラス上でインスタンスセグメンテーションモデルを学習させるための、道路や壁のひび割れのアノテーション済み画像 4,029 枚を提供します。多様な舗装や構造物のシナリオで撮影されており、交通安全や自動運転車の認識から、インフラストラクチャの保守、構造物のコンピュータビジョン検査に至るまでのユースケースにおいて、Ultralytics YOLO と直接連携します。

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: ディープラーニングモデルの学習に使用される 3,717 枚の画像。
• 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と過学習の防止のために使用される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: 道路や壁のすべての注釈付きひび割れをカバーする単一の crack クラス。
• ダウンロードサイズ: 約91.6 MB。

アプリケーション#

ひび割れセグメンテーションは、建物、橋、道路の構造的損傷を特定して評価することにより、インフラメンテナンスをサポートします。また、自動システムが早期の修理のために舗装のひび割れを検出できるようにすることで、道路の安全性を高めます。

産業現場において、Ultralytics YOLO26などのモデルによるひび割れ検出は、建設における建物の完全性の検証に役立ち、製造業におけるコストのかかるダウンタイムを防ぎ、道路検査をより安全にします。ひび割れ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に優先順位を付けることができます。

完全なCrack Segmentation Datasetは、Ultralytics Platformで閲覧および管理することもできます。

データセット YAML#

YAMLファイルは、データセットの設定を定義します。これには、データセットのパス、クラス、およびその他の関連情報に関する詳細が含まれています。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 で管理されています。

# 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

使用方法#

Crack Segmentation データセットで Ultralytics YOLO26n-seg モデルを画像サイズ 640 で 100 エポック学習させるには、以下の Python または CLI スニペットを使用します。ハイパーパラメータのチューニングなど、利用可能な引数や設定の詳細なリストについては、モデルの学習ドキュメントページを参照してください。

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')

サンプルデータとアノテーション#

以下は、Crack Segmentation Datasetからの例であり、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、道路や壁の表面で特定されたひび割れが示されています。

このデータセットは、さまざまな場所、表面、照明条件にわたるため、トレーニングされたモデルは、汎化に必要なさまざま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広げることができます。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。

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データセットを利用可能にし、コンピュータビジョンコミュニティ、特に道路の安全性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の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。

よくある質問 (FAQ)#

Crack 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？#

Crack Segmentation Dataset は、単一の crack クラス上でインスタンスセグメンテーションモデルを学習および評価するための、道路や壁のひび割れのアノテーション済み画像 4,029 枚のコレクションです。構造物検査や舗装評価などの交通安全およびインフラストラクチャ向けアプリケーション用に構築されており、crack-seg.yaml 設定ファイルを介して Ultralytics YOLO26 で直接使用されます。

Crack 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？#

データセットの合計は4,029枚の画像であり、内訳はトレーニング用が3,717枚、検証用が200枚、テスト用が112枚で、すべて単一の crack クラス用にアノテーションされています。完全なアーカイブは、初回使用時に ~91.6 MB の .zip として自動的にダウンロードされます。

Crack 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？#

事前トレーニング済みのセグメンテーションモデル（例：yolo26n-seg.pt）をロードし、上記のUsageセクションにあるPythonまたはCLIのスニペットを使用して、crack-seg.yaml設定でトレーニングします。利用可能な引数の全リストについては、Training guideを参照してください。

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？#

道路や壁にわたるひび割れの多様な画像は多くの実世界のシナリオをカバーしており、ひび割れ検出のためにトレーニングされたモデルのロバスト性を向上させます。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道路の安全性および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当社のモデルトレーニングのヒントを参照してください。

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

データセットのパスと単一の crack クラスを定義する crack-seg.yaml ファイルは、Ultralytics の GitHub リポジトリ (crack-seg.yaml) にあります。