Roboflow 유니버스 크랙 세분화 데이터 세트

균열 세분화 데이터 세트는 Roboflow 균열 세분화 데이터 세트는 교통 및 공공 안전 연구에 종사하는 개인을 위해 특별히 고안된 광범위한 리소스로서 돋보입니다. 자율 주행 자동차 모델을 개발하거나 단순히 여가 목적으로 컴퓨터 비전 애플리케이션을 탐색하는 사람들에게도 똑같이 유용합니다.

Watch: Ultralytics YOLOv9을 사용한 균열 세분화

다양한 도로 및 벽면 시나리오에서 캡처한 총 4029개의 정적 이미지로 구성된 이 데이터 세트는 균열 세분화와 관련된 작업에 유용한 자산으로 부상하고 있습니다. 복잡한 교통 연구나 자율주행차 모델의 정확도를 높이고자 하는 경우, 이 데이터 세트는 풍부하고 다양한 이미지 모음을 제공하여 여러분의 노력을 지원합니다.

데이터 세트 구조

크랙 세분화 데이터 세트 내의 데이터 분할은 다음과 같이 설명되어 있습니다:

• 트레이닝 세트: 3717개의 이미지와 해당 주석으로 구성됩니다.
• 테스트 세트: 112개의 이미지와 각각의 주석으로 구성됩니다.
• 유효성 검사 세트: 200개의 이미지와 해당 주석을 포함합니다.

애플리케이션

균열 세분화는 인프라 유지 보수에 실용적으로 적용되어 구조적 손상을 식별하고 평가하는 데 도움을 줍니다. 또한 자동화된 시스템이 포장 도로의 균열을 감지하고 적시에 수리할 수 있도록 하여 도로 안전을 향상시키는 데 중요한 역할을 합니다.

산업 환경에서는 다음과 같은 딥 러닝 모델을 사용한 크랙 탐지를 사용합니다. Ultralytics YOLO 를 사용하면 건설 시 건물의 무결성을 보장하고, 제조 과정에서 비용이 많이 드는 가동 중단을 방지하며, 도로 및 포장 도로 검사를 더 안전하고 효과적으로 수행할 수 있습니다. 심각도 수준에 따라 균열을 자동으로 식별하고 분류하는 기능을 통해 유지보수 팀은 수리 우선순위를 효율적으로 지정할 수 있습니다.

데이터 세트 YAML

경로, 클래스 및 기타 관련 정보에 대한 세부 정보를 포함하는 데이터 세트의 구성을 설명하기 위해 YAML(또 다른 마크업 언어) 파일이 사용됩니다. 특히, 크랙 세분화 데이터 세트의 경우에는 crack-seg.yaml 파일은 다음에서 관리 및 액세스 할 수 있습니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml.

# 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 (91.2 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

사용법

이미지 크기가 640인 100개의 에포크에 대한 균열 세분화 데이터 세트에서 Ultralytics YOLO11n 모델을 훈련하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 학습 페이지를 참조하세요.

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

샘플 데이터 및 주석

균열 세분화 데이터 세트는 다양한 관점에서 캡처한 다양한 이미지와 비디오 모음으로 구성되어 있습니다. 아래는 데이터 세트의 데이터 인스턴스와 각각의 주석입니다:

• 이 이미지는 이미지 인스턴스 분할의 예를 보여주는데, 식별된 객체의 윤곽을 나타내는 마스크가 있는 주석이 달린 경계 상자가 특징입니다. 이 데이터 세트에는 다양한 위치, 환경, 밀도에서 촬영된 다양한 이미지가 포함되어 있어 이 특정 작업을 위해 설계된 모델을 개발하기 위한 포괄적인 리소스로 활용할 수 있습니다.

• 이 예는 균열 세분화 데이터 세트에서 발견되는 다양성과 복잡성을 강조하며 컴퓨터 비전 작업에서 고품질 데이터의 중요한 역할을 강조합니다.

인용 및 감사

크랙 세분화 데이터 세트를 연구 또는 개발 작업에 통합하는 경우 다음 문서를 참조하시기 바랍니다:

@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 },
}

도로 안전 및 연구 프로젝트를 위한 귀중한 리소스인 균열 세분화 데이터 세트를 만들고 유지 관리하는 Roboflow 팀에 감사의 말씀을 전합니다. 균열 세분화 데이터 세트와 제작자에 대한 자세한 내용은 균열 세분화 데이터 세트 페이지를 참조하세요.

자주 묻는 질문

Roboflow 크랙 세분화 데이터 세트란 무엇인가요?

Roboflow 균열 세분화 데이터 세트는 교통 및 공공 안전 연구를 위해 특별히 설계된 4029개의 정적 이미지로 구성된 포괄적인 컬렉션입니다. 자율주행차 모델 개발 및 인프라 유지 보수와 같은 작업에 이상적입니다. 이 데이터 세트에는 훈련, 테스트, 검증 세트가 포함되어 있어 정확한 균열 감지 및 세분화를 지원합니다.

균열 세분화 데이터 세트( Ultralytics YOLO11 )를 사용하여 모델을 훈련하려면 어떻게 해야 하나요?

균열 세분화 데이터 세트에서 Ultralytics YOLO11 모델을 학습하려면 다음 코드 조각을 사용하세요. 자세한 지침과 추가 매개변수는 모델 훈련 페이지에서 확인할 수 있습니다.

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

자율주행차 프로젝트에 크랙 세분화 데이터세트를 사용해야 하는 이유는 무엇인가요?

균열 세분화 데이터 세트는 다양한 시나리오를 제공하는 4029개의 도로 및 벽 이미지가 다양하게 수집되어 있어 자율주행차 프로젝트에 매우 적합합니다. 이러한 다양성은 균열 탐지를 위해 훈련된 모델의 정확성과 견고성을 향상시켜 도로 안전을 유지하고 인프라를 적시에 수리하는 데 매우 중요합니다. 데이터 세트의 포괄적인 주석은 도로의 잠재적 위험을 식별할 수 있는 모델을 개발하는 데 이상적입니다.

Ultralytics YOLO 은 크랙 세분화를 위해 어떤 고유한 기능을 제공하나요?

Ultralytics YOLO 고급 실시간 개체 감지, 세분화 및 분류 기능을 제공하여 크랙 세분화 작업에 이상적입니다. 대규모 데이터 세트와 복잡한 시나리오를 처리할 수 있어 높은 정확도와 효율성을 보장합니다. 예를 들어, 모델 훈련, 예측, 내보내기 모드는 훈련부터 배포까지 포괄적인 기능을 다룹니다. 또한 YOLO 앵커 프리 감지 방식은 균열과 같은 불규칙한 형태에 대한 성능을 향상시킵니다.

연구 논문에서 Roboflow 크랙 세분화 데이터셋을 인용하려면 어떻게 해야 하나요?

크랙 세분화 데이터세트를 연구에 통합하는 경우 다음 BibTeX 참조를 사용하시기 바랍니다:

@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 },
}

이 인용 형식은 데이터 세트의 제작자에게 적절한 인증을 보장하고 연구에 데이터 세트가 사용되었음을 인정합니다.

📅1 년 전 생성됨 ✏️ 업데이트됨 0일 전

댓글