Salta para o conteĆŗdo

Roboflow Conjunto de dados de segmentaĆ§Ć£o de fendas do universo

O Roboflow Crack Segmentation Dataset destaca-se como um recurso extenso concebido especificamente para indivĆ­duos envolvidos em estudos de transportes e seguranƧa pĆŗblica. Ɖ igualmente benĆ©fico para aqueles que trabalham no desenvolvimento de modelos de carros autĆ³nomos ou simplesmente exploram aplicaƧƵes de visĆ£o computacional para fins recreativos.

Composto por um total de 4029 imagens estĆ”ticas capturadas de diversos cenĆ”rios de estradas e paredes, este conjunto de dados surge como um recurso valioso para tarefas relacionadas com a segmentaĆ§Ć£o de fendas. Quer estejas a aprofundar os meandros da investigaĆ§Ć£o em transportes ou a procurar melhorar a precisĆ£o dos teus modelos de carros autĆ³nomos, este conjunto de dados fornece uma coleĆ§Ć£o rica e variada de imagens para apoiar os teus esforƧos.

Estrutura do conjunto de dados

A divisĆ£o dos dados no Crack Segmentation Dataset Ć© descrita da seguinte forma:

  • Conjunto de treino: Consiste em 3717 imagens com anotaƧƵes correspondentes.
  • Conjunto de teste: Compreende 112 imagens juntamente com as suas respectivas anotaƧƵes.
  • Conjunto de validaĆ§Ć£o: Inclui 200 imagens com as anotaƧƵes correspondentes.

AplicaƧƵes

A segmentaĆ§Ć£o de fissuras tem aplicaƧƵes prĆ”ticas na manutenĆ§Ć£o de infra-estruturas, ajudando na identificaĆ§Ć£o e avaliaĆ§Ć£o de danos estruturais. Desempenha tambĆ©m um papel crucial no reforƧo da seguranƧa rodoviĆ”ria, permitindo que os sistemas automatizados detectem e tratem as fissuras no pavimento para reparaƧƵes atempadas.

Conjunto de dados YAML

Um arquivo YAML (Yet Another Markup Language) Ć© empregado para delinear a configuraĆ§Ć£o do conjunto de dados, abrangendo detalhes sobre caminhos, classes e outras informaƧƵes pertinentes. Especificamente, para o conjunto de dados Crack Segmentation (SegmentaĆ§Ć£o de crack), o arquivo crack-seg.yaml Ć© gerido e acessĆ­vel em https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml.

ultralytics/cfg/datasets/crack-seg.yaml

# Ultralytics YOLO šŸš€, 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
# ā”œā”€ā”€ ultralytics
# ā””ā”€ā”€ datasets
#     ā””ā”€ā”€ crack-seg  ā† 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

UtilizaĆ§Ć£o

Para treinar o modelo Ultralytics YOLOv8n no conjunto de dados Crack Segmentation para 100 Ć©pocas com um tamanho de imagem de 640, podes utilizar os seguintes snippets de cĆ³digo. Para obter uma lista abrangente dos argumentos disponĆ­veis, consulta a pĆ”gina Treinamento do modelo.

Exemplo de comboio

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

Dados de amostra e anotaƧƵes

O conjunto de dados Crack Segmentation inclui uma coleĆ§Ć£o variada de imagens e vĆ­deos capturados a partir de mĆŗltiplas perspectivas. Abaixo estĆ£o exemplos de dados do conjunto de dados, acompanhados das respectivas anotaƧƵes:

Imagem de amostra do conjunto de dados

  • Esta imagem apresenta um exemplo de segmentaĆ§Ć£o de objectos de imagem, com caixas delimitadoras anotadas com mĆ”scaras que delimitam os objectos identificados. O conjunto de dados inclui um conjunto diversificado de imagens obtidas em diferentes locais, ambientes e densidades, o que o torna um recurso abrangente para o desenvolvimento de modelos concebidos para esta tarefa especĆ­fica.

  • O exemplo sublinha a diversidade e a complexidade encontradas no conjunto de dados de segmentaĆ§Ć£o da fenda, realƧando o papel crucial dos dados de alta qualidade nas tarefas de visĆ£o por computador.

CitaƧƵes e agradecimentos

Se incorporares o conjunto de dados de segmentaĆ§Ć£o de fissuras nos teus esforƧos de investigaĆ§Ć£o ou desenvolvimento, faz referĆŖncia ao seguinte documento:

@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 },
}

GostarĆ­amos de agradecer Ć  equipa do Roboflow por criar e manter o conjunto de dados de segmentaĆ§Ć£o de fendas como um recurso valioso para a seguranƧa rodoviĆ”ria e projectos de investigaĆ§Ć£o. Para mais informaƧƵes sobre o conjunto de dados de segmentaĆ§Ć£o de fendas e os seus criadores, visita a pĆ”gina do conjunto de dados de segmentaĆ§Ć£o de fendas.



Criado em 2024-01-25, Atualizado em 2024-02-08
Autores: chr043416@gmail.com (1), glenn-jocher (1)

ComentƔrios