─░├žeri─če ge├ž

Roboflow Evren Çatlak Segmentasyon Veri Seti

Bu Roboflow Crack Segmentation Dataset, ├Âzellikle ula┼č─▒m ve kamu g├╝venli─či ├žal─▒┼čmalar─▒nda yer alan ki┼čiler i├žin tasarlanm─▒┼č kapsaml─▒ bir kaynak olarak ├Âne ├ž─▒k─▒yor. S├╝r├╝c├╝s├╝z araba modellerinin geli┼čtirilmesi ├╝zerinde ├žal─▒┼čanlar veya sadece e─člence ama├žl─▒ bilgisayarla g├Ârme uygulamalar─▒n─▒ ke┼čfedenler i├žin de ayn─▒ derecede faydal─▒d─▒r.

├çe┼čitli yol ve duvar senaryolar─▒ndan ├žekilen toplam 4029 statik g├Âr├╝nt├╝den olu┼čan bu veri seti, ├žatlak segmentasyonu ile ilgili g├Ârevler i├žin de─čerli bir varl─▒k olarak ortaya ├ž─▒kmaktad─▒r. ─░ster ula┼č─▒m ara┼čt─▒rmalar─▒n─▒n inceliklerini ara┼čt─▒r─▒yor ister s├╝r├╝c├╝s├╝z ara├ž modellerinizin do─črulu─čunu art─▒rmaya ├žal─▒┼č─▒yor olun, bu veri seti ├žabalar─▒n─▒z─▒ desteklemek i├žin zengin ve ├že┼čitli bir g├Âr├╝nt├╝ koleksiyonu sa─člar.

Veri K├╝mesi Yap─▒s─▒

├çatlak Segmentasyon Veri K├╝mesi i├žindeki veri b├Âl├╝m├╝ a┼ča─č─▒daki gibi ├Âzetlenmi┼čtir:

  • E─čitim seti: ─░lgili a├ž─▒klamalarla birlikte 3717 g├Âr├╝nt├╝den olu┼čur.
  • Test seti: ─░lgili ek a├ž─▒klamalar─▒yla birlikte 112 g├Âr├╝nt├╝den olu┼čur.
  • Do─črulama seti: ─░lgili a├ž─▒klamalar─▒yla birlikte 200 g├Âr├╝nt├╝ i├žerir.

Uygulamalar

├çatlak segmentasyonu, yap─▒sal hasar─▒n tan─▒mlanmas─▒na ve de─čerlendirilmesine yard─▒mc─▒ olarak altyap─▒ bak─▒m─▒nda pratik uygulamalar bulur. Ayr─▒ca, otomatik sistemlerin zaman─▒nda onar─▒m i├žin kald─▒r─▒m ├žatlaklar─▒n─▒ tespit etmesini ve ele almas─▒n─▒ sa─člayarak yol g├╝venli─čini art─▒rmada ├Ânemli bir rol oynar.

Veri K├╝mesi YAML

Veri k├╝mesinin yap─▒land─▒rmas─▒n─▒ ana hatlar─▒yla belirlemek i├žin yollar, s─▒n─▒flar ve di─čer ilgili bilgilerle ilgili ayr─▒nt─▒lar─▒ kapsayan bir YAML (Yet Another Markup Language) dosyas─▒ kullan─▒l─▒r. ├ľzellikle, ├çatlak Segmentasyonu veri k├╝mesi i├žin crack-seg.yaml dosyas─▒ y├Ânetilir ve ┼ču adresten eri┼čilebilir https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml.

ultralytics/cfg/datasets/crack-seg.yaml

# Ultralytics YOLO ­čÜÇ, 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
# ÔöťÔöÇÔöÇ ultralytics
# ÔööÔöÇÔöÇ datasets
#     ÔööÔöÇÔöÇ crack-seg  ÔćÉ 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

Kullan─▒m

Ultralytics YOLOv8n modelini 640 g├Âr├╝nt├╝ boyutuyla 100 epok i├žin ├çatlak Segmentasyonu veri k├╝mesi ├╝zerinde e─čitmek i├žin a┼ča─č─▒daki kod par├žac─▒klar─▒n─▒ kullanabilirsiniz. Kullan─▒labilir ba─č─▒ms─▒z de─či┼čkenlerin kapsaml─▒ bir listesi i├žin Model E─čitimi sayfas─▒na bak─▒n.

Tren ├ľrne─či

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

├ľrnek Veriler ve A├ž─▒klamalar

├çatlak Segmentasyonu veri k├╝mesi, farkl─▒ perspektiflerden ├žekilmi┼č ├že┼čitli g├Âr├╝nt├╝ ve video koleksiyonlar─▒ndan olu┼čmaktad─▒r. A┼ča─č─▒da, ilgili a├ž─▒klamalar─▒yla birlikte veri k├╝mesinden veri ├Ârnekleri yer almaktad─▒r:

Veri k├╝mesi ├Ârnek g├Âr├╝nt├╝s├╝

  • Bu g├Âr├╝nt├╝, tan─▒mlanan nesnelerin ana hatlar─▒n─▒ ├žizen maskelerle a├ž─▒klamal─▒ s─▒n─▒rlay─▒c─▒ kutular i├žeren bir g├Âr├╝nt├╝ nesnesi segmentasyonu ├Ârne─či sunar. Veri k├╝mesi, farkl─▒ konumlarda, ortamlarda ve yo─čunluklarda ├žekilmi┼č ├že┼čitli g├Âr├╝nt├╝ler i├žerdi─činden, bu ├Âzel g├Ârev i├žin tasarlanm─▒┼č modeller geli┼čtirmek i├žin kapsaml─▒ bir kaynakt─▒r.

  • Bu ├Ârnek, Crack segmentasyon veri setinde bulunan ├že┼čitlili─čin ve karma┼č─▒kl─▒─č─▒n alt─▒n─▒ ├žizmekte ve bilgisayarla g├Ârme g├Ârevlerinde y├╝ksek kaliteli verilerin ├Ânemli rol├╝n├╝ vurgulamaktad─▒r.

At─▒flar ve Te┼čekk├╝r

├çatlak segmentasyonu veri setini ara┼čt─▒rma veya geli┼čtirme ├žal─▒┼čmalar─▒n─▒za dahil ederseniz, l├╝tfen a┼ča─č─▒daki makaleyi referans al─▒n:

@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 },
}

Yol g├╝venli─či ve ara┼čt─▒rma projeleri i├žin de─čerli bir kaynak olarak ├çatlak Segmentasyonu veri setini olu┼čturan ve s├╝rd├╝ren Roboflow ekibine te┼čekk├╝r ederiz. ├çatlak segmentasyonu veri seti ve yarat─▒c─▒lar─▒ hakk─▒nda daha fazla bilgi i├žin ├çatlak Segmentasyonu Veri Seti Sayfas─▒n─▒ ziyaret edin.



Created 2024-01-25, Updated 2024-06-02
Authors: glenn-jocher (3), RizwanMunawar (1)

Yorumlar