μ½˜ν…μΈ λ‘œ κ±΄λ„ˆλ›°κΈ°

Roboflow μœ λ‹ˆλ²„μŠ€ ν¬λž™ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈ

κ· μ—΄ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈλŠ” Roboflow κ· μ—΄ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈλŠ” ꡐ톡 및 곡곡 μ•ˆμ „ 연ꡬ에 μ’…μ‚¬ν•˜λŠ” κ°œμΈμ„ μœ„ν•΄ νŠΉλ³„νžˆ κ³ μ•ˆλœ κ΄‘λ²”μœ„ν•œ λ¦¬μ†ŒμŠ€λ‘œμ„œ λ‹λ³΄μž…λ‹ˆλ‹€. 자율 μ£Όν–‰ μžλ™μ°¨ λͺ¨λΈμ„ κ°œλ°œν•˜κ±°λ‚˜ λ‹¨μˆœνžˆ μ—¬κ°€ λͺ©μ μœΌλ‘œ 컴퓨터 λΉ„μ „ μ• ν”Œλ¦¬μΌ€μ΄μ…˜μ„ νƒμƒ‰ν•˜λŠ” μ‚¬λžŒλ“€μ—κ²Œλ„ λ˜‘κ°™μ΄ μœ μš©ν•©λ‹ˆλ‹€.

λ‹€μ–‘ν•œ λ„λ‘œ 및 λ²½λ©΄ μ‹œλ‚˜λ¦¬μ˜€μ—μ„œ μΊ‘μ²˜ν•œ 총 4029개의 정적 μ΄λ―Έμ§€λ‘œ κ΅¬μ„±λœ 이 데이터 μ„ΈνŠΈλŠ” κ· μ—΄ 세뢄화와 κ΄€λ ¨λœ μž‘μ—…μ— μœ μš©ν•œ μžμ‚°μœΌλ‘œ λΆ€μƒν•˜κ³  μžˆμŠ΅λ‹ˆλ‹€. λ³΅μž‘ν•œ ꡐ톡 μ—°κ΅¬λ‚˜ μžμœ¨μ£Όν–‰μ°¨ λͺ¨λΈμ˜ 정확도λ₯Ό λ†’μ΄κ³ μž ν•˜λŠ” 경우, 이 데이터 μ„ΈνŠΈλŠ” ν’λΆ€ν•˜κ³  λ‹€μ–‘ν•œ 이미지 λͺ¨μŒμ„ μ œκ³΅ν•˜μ—¬ μ—¬λŸ¬λΆ„μ˜ λ…Έλ ₯을 μ§€μ›ν•©λ‹ˆλ‹€.

데이터 μ„ΈνŠΈ ꡬ쑰

ν¬λž™ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈ λ‚΄μ˜ 데이터 ꡬ뢄은 λ‹€μŒκ³Ό 같이 μš”μ•½λ©λ‹ˆλ‹€:

  • ν›ˆλ ¨ μ„ΈνŠΈ: 3717개의 이미지와 ν•΄λ‹Ή μ£Όμ„μœΌλ‘œ κ΅¬μ„±λ©λ‹ˆλ‹€.
  • ν…ŒμŠ€νŠΈ μ„ΈνŠΈ: 112개의 이미지와 각 이미지에 λŒ€ν•œ μ£Όμ„μœΌλ‘œ κ΅¬μ„±λ©λ‹ˆλ‹€.
  • μœ νš¨μ„± 검사 μ„ΈνŠΈ: 200개의 이미지와 ν•΄λ‹Ή 주석을 ν¬ν•¨ν•©λ‹ˆλ‹€.

μ• ν”Œλ¦¬μΌ€μ΄μ…˜

κ· μ—΄ μ„ΈλΆ„ν™”λŠ” 인프라 μœ μ§€ λ³΄μˆ˜μ— μ‹€μš©μ μœΌλ‘œ μ μš©λ˜μ–΄ ꡬ쑰적 손상을 μ‹λ³„ν•˜κ³  ν‰κ°€ν•˜λŠ” 데 도움을 μ€λ‹ˆλ‹€. λ˜ν•œ μžλ™ν™”λœ μ‹œμŠ€ν…œμ΄ λ„λ‘œ 균열을 κ°μ§€ν•˜κ³  μ²˜λ¦¬ν•˜μ—¬ μ μ‹œμ— μˆ˜λ¦¬ν•  수 μžˆλ„λ‘ ν•¨μœΌλ‘œμ¨ λ„λ‘œ μ•ˆμ „μ„ κ°•ν™”ν•˜λŠ” 데 μ€‘μš”ν•œ 역할을 ν•©λ‹ˆλ‹€.

데이터 집합 YAML

경둜, 클래슀 및 기타 κ΄€λ ¨ 정보에 λŒ€ν•œ μ„ΈλΆ€ 정보λ₯Ό ν¬ν•¨ν•˜λŠ” 데이터 μ„ΈνŠΈμ˜ ꡬ성 κ°œμš”λ₯Ό μ„€λͺ…ν•˜κΈ° μœ„ν•΄ YAML(또 λ‹€λ₯Έ λ§ˆν¬μ—… μ–Έμ–΄) 파일이 μ‚¬μš©λ©λ‹ˆλ‹€. 특히, ν¬λž™ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈμ˜ κ²½μš°μ—λŠ” crack-seg.yaml νŒŒμΌμ€ λ‹€μŒμ—μ„œ κ΄€λ¦¬λ˜κ³  μ•‘μ„ΈμŠ€ ν•  수 μžˆμŠ΅λ‹ˆλ‹€. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml.

ultralytics/cfg/datasets/crack-seg.yaml

# Ultralytics YOLO πŸš€, 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
# β”œβ”€β”€ 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://ultralytics.com/assets/crack-seg.zip

μ‚¬μš©λ²•

이미지 크기가 640인 100개의 에포크에 λŒ€ν•œ κ· μ—΄ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈμ— λŒ€ν•΄ Ultralytics YOLOv8n λͺ¨λΈμ„ ν›ˆλ ¨ν•˜λ €λ©΄ λ‹€μŒ μ½”λ“œ 쑰각을 μ‚¬μš©ν•  수 μžˆμŠ΅λ‹ˆλ‹€. μ‚¬μš© κ°€λŠ₯ν•œ 인수의 전체 λͺ©λ‘μ€ λͺ¨λΈ ν›ˆλ ¨ νŽ˜μ΄μ§€λ₯Ό μ°Έμ‘°ν•˜μ„Έμš”.

μ—΄μ°¨ μ˜ˆμ‹œ

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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=yolov8n-seg.pt epochs=100 imgsz=640

μƒ˜ν”Œ 데이터 및 주석

κ· μ—΄ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈλŠ” λ‹€μ–‘ν•œ κ΄€μ μ—μ„œ μΊ‘μ²˜ν•œ λ‹€μ–‘ν•œ 이미지와 λΉ„λ””μ˜€ λͺ¨μŒμœΌλ‘œ κ΅¬μ„±λ˜μ–΄ μžˆμŠ΅λ‹ˆλ‹€. μ•„λž˜λŠ” 데이터 μ„ΈνŠΈμ˜ 데이터 μΈμŠ€ν„΄μŠ€μ™€ 각 데이터에 λŒ€ν•œ μ£Όμ„μž…λ‹ˆλ‹€:

데이터 μ„ΈνŠΈ μƒ˜ν”Œ 이미지

  • 이 μ΄λ―Έμ§€λŠ” μ‹λ³„λœ 객체의 μœ€κ³½μ„ λ‚˜νƒ€λ‚΄λŠ” λ§ˆμŠ€ν¬κ°€ μžˆλŠ” 주석이 달린 경계 μƒμžλ₯Ό νŠΉμ§•μœΌλ‘œ ν•˜λŠ” 이미지 객체 λΆ„ν• μ˜ 예λ₯Ό λ³΄μ—¬μ€λ‹ˆλ‹€. 이 데이터 μ„ΈνŠΈμ—λŠ” λ‹€μ–‘ν•œ μœ„μΉ˜, ν™˜κ²½, λ°€λ„μ—μ„œ 촬영된 λ‹€μ–‘ν•œ 이미지가 ν¬ν•¨λ˜μ–΄ μžˆμ–΄ 이 νŠΉμ • μž‘μ—…μ„ μœ„ν•΄ μ„€κ³„λœ λͺ¨λΈμ„ κ°œλ°œν•˜λŠ” 데 μœ μš©ν•œ 쒅합적인 λ¦¬μ†ŒμŠ€μž…λ‹ˆλ‹€.

  • 이 μ˜ˆλŠ” κ· μ—΄ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈμ—μ„œ λ°œκ²¬λ˜λŠ” λ‹€μ–‘μ„±κ³Ό λ³΅μž‘μ„±μ„ κ°•μ‘°ν•˜λ©°, 컴퓨터 λΉ„μ „ μž‘μ—…μ—μ„œ κ³ ν’ˆμ§ˆ λ°μ΄ν„°μ˜ μ€‘μš”ν•œ 역할을 κ°•μ‘°ν•©λ‹ˆλ‹€.

인용 및 감사

ν¬λž™ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈλ₯Ό 연ꡬ λ˜λŠ” 개발 λ…Έλ ₯에 ν†΅ν•©ν•˜λŠ” 경우 λ‹€μŒ λ¬Έμ„œλ₯Ό μ°Έμ‘°ν•˜μ„Έμš”:

@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 },
}

λ„λ‘œ μ•ˆμ „ 및 연ꡬ ν”„λ‘œμ νŠΈλ₯Ό μœ„ν•œ κ·€μ€‘ν•œ λ¦¬μ†ŒμŠ€λ‘œμ„œ κ· μ—΄ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈλ₯Ό μƒμ„±ν•˜κ³  μœ μ§€ κ΄€λ¦¬ν•˜λŠ” Roboflow νŒ€μ— κ°μ‚¬μ˜ 말씀을 μ „ν•©λ‹ˆλ‹€. κ· μ—΄ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈμ™€ μ œμž‘μžμ— λŒ€ν•œ μžμ„Έν•œ λ‚΄μš©μ€ κ· μ—΄ μ„ΈλΆ„ν™” 데이터 μ„ΈνŠΈ νŽ˜μ΄μ§€λ₯Ό μ°Έμ‘°ν•˜μ„Έμš”.



생성 2024-01-25, μ—…λ°μ΄νŠΈ 2024-02-08
μž‘μ„±μž: chr043416@gmail.com (1), glenn-jocher (1)

λŒ“κΈ€