クラックセグメンテーション（ひび割れ分割）データセット
クラックセグメンテーションデータセットは、交通機関や公共安全の研究に携わる個人向けに設計された広範なリソースです。また、自動運転車モデルの開発や、さまざまなコンピュータビジョンアプリケーションの探索にも役立ちます。このデータセットは、Ultralytics Datasets Hubで利用可能な広範なコレクションの一部です。
Watch: How to Train a Crack Segmentation Model using Ultralytics YOLO26 | AI in Construction 🎉
多様な道路や壁のシナリオで撮影された4029枚の静止画像で構成されるこのデータセットは、クラックセグメンテーションタスクにおいて価値のある資産です。交通インフラの研究であれ、自動運転システムの精度向上を目指すものであれ、このデータセットはディープラーニングモデルをトレーニングするための豊富な画像コレクションを提供します。
データセットの構造
クラックセグメンテーションデータセットは、以下の3つのサブセットに編成されています。
- トレーニングセット: 3717枚の画像と対応するアノテーション。
- テストセット: 112枚の画像と対応するアノテーション。
- バリデーションセット: 200枚の画像と対応するアノテーション。
アプリケーション
クラックセグメンテーションはインフラストラクチャのメンテナンスにおいて実用的な応用が可能で、建物、橋、道路などの構造的損傷の特定と評価を支援します。また、自動化システムが舗装のひび割れを検出し、適時に修理を行うことを可能にすることで、交通安全の向上にも重要な役割を果たします。
産業分野では、Ultralytics YOLO26のようなディープラーニングモデルを使用したひび割れ検出が、建設における建物の完全性を保証し、製造業におけるコストのかかるダウンタイムを防ぎ、道路点検をより安全かつ効果的にします。ひび割れを自動的に特定して分類することで、メンテナンスチームは修理の優先順位を効率的に決定でき、より良いモデル評価インサイトの獲得に寄与します。
データセットYAML
YAML（Yet Another Markup Language）ファイルが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、その他の関連情報が含まれます。クラックセグメンテーションデータセットの場合、crack-seg.yamlファイルが https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml に維持されています。
# 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') 112 images
test: images/test # 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')サンプルデータとアノテーション
クラックセグメンテーションデータセットには、道路や壁のさまざまな種類のひび割れを紹介する、多様な視点から撮影された画像が収集されています。例をいくつか示します。
-
この画像はインスタンスセグメンテーションを示しており、特定されたひび割れを囲むマスクを伴うアノテーション済みバウンディングボックスが特徴です。このデータセットにはさまざまな場所や環境の画像が含まれており、このタスク向けの堅牢なモデルを開発するための包括的なリソースとなっています。データ拡張のようなテクニックにより、データセットの多様性をさらに高めることができます。インスタンスセグメンテーションとトラッキングの詳細については、当社のガイドをご覧ください。
-
この例はクラックセグメンテーションデータセット内の多様性を際立たせており、効果的なコンピュータビジョンモデルをトレーニングするための高品質なデータの重要性を強調しています。
引用と謝辞
研究や開発業務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 },
}クラックセグメンテーション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、特に道路安全やインフラ評価に関連するプロジェクトに対して価値あるリソースを提供してくれたRoboflowのチームに感謝いたします。
FAQ
クラックセグメンテーションデータセットとは何ですか？
クラックセグメンテーションデータセットは、交通機関や公共安全の研究用に設計された4029枚の静止画像集です。自動運転車モデルの開発やインフラストラクチャのメンテナンスのようなタスクに適しています。ひび割れ検出およびセグメンテーションタスクのためのトレーニング、テスト、およびバリデーションセットが含まれています。
Ultralytics YOLO26を使用してクラックセグメンテーションデータセットでモデルをトレーニングするにはどうすればよいですか？
このデータセットでUltralytics YOLO26モデルをトレーニングするには、提供されているPythonまたはCLIの例を使用してください。詳細な手順とパラメータは、モデルのトレーニングページで確認できます。Ultralytics Platformのようなツールを使用して、トレーニングプロセスを管理することもできます。
from ultralytics import YOLO
# Load a pretrained model (recommended)
model = YOLO("yolo26n-seg.pt")
# Train the model
results = model.train(data="crack-seg.yaml", epochs=100, imgsz=640)なぜ自動運転車のプロジェクトにクラックセグメンテーションデータセットを使用するのですか？
このデータセットは、道路や壁の多様な画像を含み、さまざまな実世界のシナリオをカバーしているため、自動運転車のプロジェクトにおいて価値があります。この多様性は、道路の安全とインフラ評価に不可欠な、ひび割れ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。詳細なアノテーションは、潜在的な道路の危険を正確に特定できるモデルの開発に役立ちます。
Ultralytics YOLOは、クラックセグメンテーションに対してどのような機能を提供しますか？
Ultralytics YOLOはリアルタイムの物体検出、セグメンテーション、および分類機能を提供しており、クラックセグメンテーションタスクに非常に適しています。大規模なデータセットや複雑なシナリオを効率的に処理します。このフレームワークには、モデルのトレーニング、予測、エクスポートのための包括的なモードが含まれています。YOLOのアンカーフリー検出アプローチは、ひび割れのような不規則な形状に対するパフォーマンスを向上させることができ、パフォーマンスは標準的なメトリクスを使用して測定可能です。
クラックセグメンテーションデータセットを引用するにはどうすればよいですか？
このデータセットを業務で使用する場合は、作成者に適切なクレジットを与えるため、上記のBibTeXエントリを使用して引用してください。