kadupul-git/BridgeDiseaseBackend-main/training_templates/data.yaml.example

# =============================================================================
# 检澜 DockScope — YOLOv8 分割训练数据集配置模板
# =============================================================================
# 使用说明：
# 1. 复制本文件为数据集根目录下的 data.yaml（与 train、val 同级）
# 2. 将 path 改为本数据集在服务器上的绝对路径，或使用相对 path（推荐绝对路径）
# 3. names 下列出所有隐患类别，索引从 0 开始，需与标注 txt 中 class_id 一致
# 4. 打包 ZIP 时：选中「数据集根文件夹」内所有内容后压缩，确保解压后第一层即有 data.yaml
#
# 目录结构示例：
#   bridge_hazard_demo/
#     data.yaml
#     train/
#       images/   *.jpg
#       labels/   *.txt   （与 images 同名，YOLO 分割多边形格式）
#     val/
#       images/
#       labels/
# =============================================================================

# 数据集根目录（训练时 Ultralytics 会解析；上传 ZIP 后由平台解压到独立目录，一般无需手改）
path: .

# 训练集、验证集图像目录（相对 path）
train: train/images
val: val/images

# 可选：测试集
# test: test/images

# 类别数量（可选，与 names 长度一致即可）
nc: 2

# 类别名称 — 索引必须与 labels/*.txt 每行开头的 class_id 对应
names:
  0: concrete_crack      # 混凝土裂缝
  1: steel_corrosion     # 钢构件锈蚀

# -----------------------------------------------------------------------------
# 分割标注 txt 格式（每行一个实例）：
#   <class_id> <x1> <y1> <x2> <y2> ... <xn> <yn>
# 坐标均为相对图像宽高的归一化值，范围 0~1，至少 3 个点（多边形顶点）
#
# 示例（类别 0，矩形四顶点）：
#   0 0.25 0.30 0.75 0.30 0.75 0.70 0.25 0.70
# -----------------------------------------------------------------------------