Crack Segmentation Dataset#

Ultralytics Crack Segmentation Dataset은 단일 crack 클래스에서 instance segmentation 모델을 학습시키기 위한 도로 및 벽면 균열의 주석이 달린 이미지 4,029장을 제공합니다. 다양한 포장 및 구조적 시나리오에서 캡처되었으며, 교통 안전 및 self-driving car 인식부터 infrastructure maintenance 및 구조적 computer vision 검사에 이르는 유스케이스를 위해 Ultralytics YOLO와 직접 연동됩니다.

데이터셋 구조#

Crack Segmentation Dataset은 총 4,029장의 이미지를 다음과 같이 분할합니다:

• Training set: deep learning 모델 training에 사용되는 3,717장의 이미지.
• Validation set: 학습 중 hyperparameters를 튜닝하고 overfitting을 방지하는 데 사용되는 200개의 이미지.
• Testing set: 학습 후 모델을 평가하기 위해 보류된 112장의 이미지.
• Classes: 도로와 벽면의 모든 주석이 달린 균열을 다루는 단일 crack 클래스.
• Download size: 약 91.6 MB.

응용 분야#

균열 분할은 건물, 교량, 도로의 구조적 손상을 식별하고 평가하여 infrastructure maintenance를 지원합니다. 또한 자동화 시스템이 적시에 수리를 위해 포장 균열을 감지할 수 있도록 하여 road safety를 향상합니다.

산업 환경에서 Ultralytics YOLO26과 같은 모델을 사용한 균열 감지는 건설 시 건물의 무결성을 검증하고, manufacturing에서의 비용이 많이 드는 가동 중단을 방지하며, 도로 검사를 더욱 안전하게 만듭니다. 균열을 자동으로 분류함으로써 유지 관리 팀은 가장 시급한 수리의 우선순위를 정할 수 있습니다.

전체 Crack Segmentation Dataset은 Ultralytics Platform에서도 탐색하고 관리할 수 있습니다.

데이터셋 YAML#

YAML 파일은 데이터셋 구성을 정의합니다. 여기에는 데이터셋의 경로, 클래스 및 기타 관련 정보에 대한 세부 정보가 포함됩니다. Crack Segmentation 데이터셋의 경우, crack-seg.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml에 유지 관리됩니다.

# 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

사용법#

이미지 크기를 640으로 설정하고 100 epochs 동안 Crack Segmentation 데이터셋에서 Ultralytics YOLO26n-seg 모델을 학습시키려면 다음 Python 또는 CLI 스니펫을 사용하십시오. 사용 가능한 인자 및 hyperparameter tuning과 같은 설정의 전체 목록은 모델 Training 문서 페이지를 참조하십시오.

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')

샘플 데이터 및 주석#

다음은 instance segmentation 마스크가 오버레이되어 도로 및 벽면 표면에서 식별된 균열의 외곽선을 보여주는 Crack Segmentation Dataset의 예시입니다:

이 데이터셋은 다양한 위치, 표면 및 조명 조건을 아우르므로, 이를 통해 학습된 모델은 일반화하는 데 필요한 다양한 실제 장면을 접하게 됩니다. Data augmentation을 통해 이러한 다양성을 더욱 넓힐 수 있습니다. 관련 워크플로는 instance segmentation and tracking guide를 참조하십시오.

인용 및 감사의 글#

연구 또는 개발 작업에 Crack Segmentation 데이터셋을 사용하는 경우 출처를 적절하게 인용하십시오:

@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 데이터셋을 제공하여 computer vision 커뮤니티, 특히 도로 안전 및 인프라 평가와 관련된 프로젝트에 소중한 리소스를 제공한 Roboflow 팀에 감사드립니다. 더 많은 데이터셋을 보려면 Ultralytics Datasets collection을 방문하십시오.

FAQ#

Crack Segmentation Dataset이란 무엇이며 Ultralytics YOLO26에서는 어떻게 사용됩니까?#

Crack Segmentation Dataset은 단일 crack 클래스에서 instance segmentation 모델을 학습하고 평가하기 위한 도로 및 벽면 균열의 주석이 달린 이미지 4,029장 모음입니다. 구조적 검사 및 포장 평가와 같은 교통 안전 및 인프라 애플리케이션을 위해 구축되었으며, crack-seg.yaml 설정 파일을 통해 Ultralytics YOLO26과 직접 사용됩니다.

Crack Segmentation Dataset에는 몇 개의 이미지와 클래스가 포함되어 있습니까?#

이 데이터셋은 총 4,029개의 이미지(학습용 3,717개, 검증용 200개, 테스트용 112개)로 구성되어 있으며, 모두 단일 crack 클래스에 대한 주석이 포함되어 있습니다. 전체 아카이브는 처음 사용할 때 ~91.6 MB .zip(으)로 자동 다운로드됩니다.

Crack Segmentation Dataset에서 Ultralytics YOLO26 모델은 어떻게 학습합니까?#

사전 학습된 segmentation 모델(예: yolo26n-seg.pt)을 로드하고 위쪽 Usage 섹션의 Python 또는 CLI 코드 조각을 사용하여 crack-seg.yaml 설정으로 학습합니다. 사용 가능한 인수의 전체 목록은 Training guide를 참조하십시오.

자율 주행 자동차 및 인프라 프로젝트에 Crack Segmentation Dataset을 사용하는 이유는 무엇입니까?#

도로와 벽면의 다양한 균열 이미지는 많은 실제 시나리오를 다루므로 균열 감지를 위해 학습된 모델의 견고성이 향상됩니다. 정확한 분할은 잠재적 위험을 안정적으로 식별해야 하는 road safety 및 인프라 평가 시스템을 지원합니다. 모범 사례에 대해서는 위의 Applications 섹션과 model training tips을 참조하십시오.

Crack Segmentation용 데이터셋 구성 파일은 어디에서 찾을 수 있습니까?#

데이터셋 경로와 단일 crack 클래스를 정의하는 crack-seg.yaml 파일은 Ultralytics GitHub 저장소에 있습니다: crack-seg.yaml.