ひび割れセグメンテーションデータセット#

4,028

Crack-Seg

ultralytics

publicSegment

Crack-Seg is an Ultralytics instance-segmentation dataset for road and wall damage. Single-class polygons delineate cracks across concrete, asphalt, masonry, varied illumination, and textured backgrounds for infrastructure inspection and surface-condition monitoring.

31 class171.3 MBSep 2, 2026

crack

instance-segmentationcracksinfrastructure+1

Ultralyticsのひび割れセグメンテーションデータセットは、道路や壁のひび割れをアノテーションした4,029枚の画像を提供し、単一のcrackクラスを対象とするインスタンスセグメンテーションモデルの学習に使用できます。多様な舗装や構造物の状況で撮影されたこのデータセットは、Ultralytics YOLOと直接組み合わせて使用でき、交通安全や自動運転車の認識から、インフラの保守、構造物のコンピュータービジョン検査まで、幅広い用途に対応します。

データセットの構成#

ひび割れセグメンテーションデータセットの4,029枚の画像は、次のように分割されています。

• 学習セット: 学習に使用する3,717枚の画像で、ディープラーニングモデルを訓練します。
• 検証セット: 学習中にハイパーパラメーターの調整や過学習の防止に使用する200枚の画像です。
• テストセット: 学習後のモデル評価用に保留された112枚の画像です。
• クラス: 道路や壁にあるアノテーション済みのすべてのひび割れを対象とする単一のcrackクラスです。
• ダウンロードサイズ: ~91.6 MB。

用途#

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で、インフラの保守を支援します。また、自動システムが舗装のひび割れを検出し、適切なタイミングで修繕できるようにすることで、道路の安全性も向上させます。

産業分野では、Ultralytics YOLO26のようなモデルを使ったひび割れ検出により、建設現場で建物の健全性を確認し、製造現場で高額なダウンタイムを防ぎ、道路点検の安全性を高められます。ひび割れを自動で分類することで、保守チームは緊急性の高い修繕を優先できます。

Crack Segmentation Datasetの全体は、Ultralytics Platformで閲覧・管理することもできます。

データセットYAML#

YAMLファイルでデータセットの設定を定義します。データセットのパス、クラス、その他の関連情報が含まれています。Crack Segmentationデータセットでは、crack-seg.yamlファイルがhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yamlに保管されています。

# 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、100エポックでトレーニングするには、以下のPythonまたはCLIのコード例を使用してください。利用可能な引数やハイパーパラメータのチューニングなどの設定の一覧については、モデルのトレーニングドキュメントページを参照してください。

from ultralytics import YOLO

# モデルを読み込む
# 収束を早めるため、yolo26n-seg.ptのような事前トレーニング済みモデルの使用を推奨します
model = YOLO("yolo26n-seg.pt")

# Crack Segmentationデータセットでモデルをトレーニングします
# 'crack-seg.yaml'にアクセスできることを確認するか、フルパスを指定してください
results = model.train(data="crack-seg.yaml", epochs=100, imgsz=640)

# トレーニング後、モデルを予測またはエクスポートに使用できます
# 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の例です。インスタンスセグメンテーションのマスクを重ねて表示し、道路や壁面で検出されたひび割れの輪郭を示しています。

このデータセットには多様な場所、表面、照明条件が含まれているため、これを使ってトレーニングしたモデルは、汎化に必要な幅広い実環境のシーンを学習できます。データ拡張でさらに多様性を広げることもできます。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とトラッキングのガイドを参照してください。

引用と謝辞#

研究または開発でCrack Segmentationデータセットを使用する場合は、適切な形式で出典を引用してください。

@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、コンピューター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するプロジェクトに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。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#