Roboflow ユニバース・クラック・セグメンテーション・データセット

Q: What is the Roboflow Crack Segmentation Dataset?

Roboflow Crack Segmentation Datasetは、交通と公共安全の研究用に特別に設計された4029枚の静止画像の包括的なコレクションである。自動運転車のモデル開発やインフラ整備などのタスクに最適です。このデータセットには、トレーニングセット、テストセット、検証セットが含まれており、正確なひび割れ検出とセグメンテーションを支援します。

データセット Roboflow クラック・セグメンテーション・データセットは、交通や公共安全の研究に携わる人々のために特別に設計された広範なリソースとして際立っている。自動運転車モデルの開発に取り組んでいる人や、レクリエーション目的でコンピュータ・ビジョンのアプリケーションを探求している人にとっても、同様に有益です。

多様な道路や壁のシナリオからキャプチャされた合計4029枚の静止画像で構成されるこのデータセットは、亀裂のセグメンテーションに関連するタスクのための貴重な資産として登場します。このデータセットは、交通研究の複雑さを掘り下げる場合でも、自動運転車モデルの精度を高める場合でも、あなたの努力をサポートする豊富で多様な画像コレクションを提供します。

データセット構造

クラック・セグメンテーション・データセットのデータ分割の概要は以下の通り：

トレーニングセット：3717枚の画像と対応する注釈からなる。
テストセット：112枚の画像とそれぞれのアノテーションからなる。
検証セット：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

ひび割れセグメンテーションは、構造物の損傷の特定と評価に役立つため、インフラ保守において実用的である。また、自動化されたシステムが舗装のひび割れを検出し、タイムリーに補修できるようにすることで、道路の安全性を高めるという重要な役割も担っている。

データセット YAML

YAML（Yet Another Markup Language）ファイルは、パス、クラス、その他の関連情報の詳細を含む、データセットの構成の概要を示すために使用される。具体的には、クラック・セグメンテーション・データセットでは crack-seg.yaml ファイルは 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

使用方法

Ultralytics YOLO11nモデルをCrack Segmentationデータセットで画像サイズ640で100エポック学習させるには、以下のコードスニペットを使用します。利用可能な引数の包括的なリストについては、モデルのトレーニングページを参照してください。

列車の例

PythonCLI

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

サンプルデータと注釈

クラック・セグメンテーション・データセットは、複数の視点から撮影された様々な画像や動画から構成されている。以下は、このデータセットに含まれるデータの例で、それぞれの注釈が添えられている：

データセットサンプル画像

この画像は、画像オブジェクトのセグメンテーションの例であり、識別されたオブジェクトの輪郭を示すマスク付きの注釈付きバウンディングボックスが特徴である。このデータセットには、さまざまな場所、環境、密度で撮影された多様な画像が含まれており、この特定のタスク用に設計されたモデルを開発するための包括的なリソースとなっている。
この例は、クラック・セグメンテーション・データセットに見られる多様性と複雑性を強調し、コンピュータ・ビジョン・タスクにおける高品質データの重要な役割を強調している。

引用と謝辞

クラック・セグメンテーション・データセットを研究や開発に取り入れる場合は、以下の論文を参考にしてください：

ビブテックス

@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 },
}

ひび割れセグメンテーション・データセットを交通安全や研究プロジェクトの貴重なリソースとして作成・維持しているRoboflow チームに感謝したい。クラック・セグメンテーション・データセットとその作成者についての詳細は、クラック・セグメンテーション・データセットのページをご覧ください。

よくあるご質問

Roboflow クラック・セグメンテーション・データセットとは？

Roboflow CrackSegmentation Datasetは、交通と公共安全の研究用に特別に設計された4029枚の静止画像の包括的なコレクションである。自動運転車のモデル開発やインフラ整備などのタスクに最適です。このデータセットには、トレーニングセット、テストセット、検証セットが含まれており、正確なひび割れ検出とセグメンテーションを支援します。

Ultralytics YOLO11でクラック・セグメンテーション・データセットを使ってモデルをトレーニングするには？

ひび割れセグメンテーション・データセットでUltralytics YOLO11モデルをトレーニングするには、以下のコード・スニペットを使う。詳細な手順とその他のパラメータは、モデルのトレーニングページにあります。

列車の例

PythonCLI

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

なぜ自動運転車のプロジェクトにCrack Segmentation Datasetを使う必要があるのですか？

ひび割れセグメンテーションデータセットは、4029枚の道路と壁の画像からなる多様なコレクションであり、様々なシナリオを提供するため、自動運転車プロジェクトに非常に適している。この多様性により、ひび割れ検出のために学習されたモデルの精度とロバスト性が向上します。

Ultralytics YOLO は、亀裂のセグメンテーションにどのようなユニークな機能を提供していますか？

Ultralytics YOLO は、高度なリアルタイムのオブジェクト検出、セグメンテーション、分類機能を備えており、クラックのセグメンテーション作業に最適です。大規模なデータセットや複雑なシナリオを処理する能力により、高い精度と効率が保証されます。例えば、モデルのトレーニング、予測、エクスポートモードは、トレーニングから展開までの包括的な機能をカバーしています。

研究論文でRoboflow Crack Segmentation Dataset を引用するには？

Crack Segmentation Datasetを研究に取り入れる場合は、以下のBibTeXリファレンスを使用してください：

ビブテックス

@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 },
}