Bỏ để qua phần nội dung

Roboflow Bộ dữ liệu phân đoạn vết nứt vũ trụ

Các RoboflowBộ dữ liệu phân đoạn vết nứt nổi bật như một nguồn tài nguyên phong phú được thiết kế đặc biệt cho các cá nhân tham gia vào các nghiên cứu về giao thông vận tải và an toàn công cộng. Nó cũng có lợi không kém cho những người làm việc để phát triển các mô hình xe tự lái hoặc chỉ đơn giản là khám phá các ứng dụng thị giác máy tính cho mục đích giải trí.

Bao gồm tổng cộng 4029 hình ảnh tĩnh được chụp từ các kịch bản đường và tường khác nhau, bộ dữ liệu này nổi lên như một tài sản quý giá cho các nhiệm vụ liên quan đến phân đoạn vết nứt. Cho dù bạn đang đi sâu vào sự phức tạp của nghiên cứu giao thông vận tải hay tìm cách nâng cao độ chính xác của các mẫu xe tự lái của mình, bộ dữ liệu này cung cấp một bộ sưu tập hình ảnh phong phú và đa dạng để hỗ trợ nỗ lực của bạn.

Cấu trúc tập dữ liệu

Việc phân chia dữ liệu trong Tập dữ liệu phân đoạn crack được nêu như sau:

  • Bộ đào tạo: Bao gồm 3717 hình ảnh với các chú thích tương ứng.
  • Bộ thử nghiệm: Bao gồm 112 hình ảnh cùng với các chú thích tương ứng của chúng.
  • Bộ xác thực: Bao gồm 200 hình ảnh với chú thích tương ứng.

Ứng dụng

Phân đoạn vết nứt tìm thấy các ứng dụng thực tế trong bảo trì cơ sở hạ tầng, hỗ trợ xác định và đánh giá thiệt hại cấu trúc. Nó cũng đóng một vai trò quan trọng trong việc tăng cường an toàn đường bộ bằng cách cho phép các hệ thống tự động phát hiện và giải quyết các vết nứt trên mặt đường để sửa chữa kịp thời.

Tập dữ liệu YAML

Tệp YAML (Yet Another Markup Language) được sử dụng để phác thảo cấu hình của tập dữ liệu, bao gồm các chi tiết về đường dẫn, lớp và thông tin thích hợp khác. Cụ thể, đối với tập dữ liệu Crack Segmentation, crack-seg.yaml Tệp được quản lý và có thể truy cập tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml.

ultralytics/cfg/datasets/crack-seg.yaml

# Ultralytics YOLO 🚀, 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
# ├── 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

Sử dụng

Đào tạo Ultralytics YOLOv8n mô hình trên tập dữ liệu Phân đoạn Crack cho 100 kỷ nguyên với kích thước hình ảnh là 640, bạn có thể sử dụng các đoạn mã sau. Để biết danh sách đầy đủ các đối số có sẵn, hãy tham khảo trang Đào tạo mẫu.

Ví dụ về tàu hỏa

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

Dữ liệu mẫu và chú thích

Bộ dữ liệu Crack Segmentation bao gồm một bộ sưu tập hình ảnh và video đa dạng được chụp từ nhiều góc độ. Dưới đây là các trường hợp dữ liệu từ tập dữ liệu, kèm theo các chú thích tương ứng của chúng:

Hình ảnh mẫu tập dữ liệu

  • Hình ảnh này trình bày một ví dụ về phân đoạn đối tượng hình ảnh, có các hộp giới hạn được chú thích với mặt nạ phác thảo các đối tượng được xác định. Bộ dữ liệu bao gồm một loạt các hình ảnh được chụp ở các vị trí, môi trường và mật độ khác nhau, làm cho nó trở thành một nguồn tài nguyên toàn diện để phát triển các mô hình được thiết kế cho nhiệm vụ cụ thể này.

  • Ví dụ này nhấn mạnh sự đa dạng và phức tạp được tìm thấy trong tập dữ liệu phân đoạn Crack, nhấn mạnh vai trò quan trọng của dữ liệu chất lượng cao trong các tác vụ thị giác máy tính.

Trích dẫn và xác nhận

Nếu bạn kết hợp bộ dữ liệu phân đoạn vết nứt vào nỗ lực nghiên cứu hoặc phát triển của mình, vui lòng tham khảo bài báo sau:

@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 },
}

Chúng tôi xin ghi nhận Roboflow nhóm tạo và duy trì bộ dữ liệu Phân đoạn vết nứt như một nguồn tài nguyên quý giá cho các dự án nghiên cứu và an toàn đường bộ. Để biết thêm thông tin về tập dữ liệu phân đoạn Crack và những người tạo ra nó, hãy truy cập Trang tập dữ liệu phân đoạn crack.



Đã tạo 2024-01-25, Cập nhật 2024-02-08
Tác giả: RizwanMunawar (1), glenn-jocher (1)

Ý kiến