مجموعة بيانات تجزئة قطع غيار السيارات#

يوفر مجموعة بيانات تجزئة أجزاء السيارة من Ultralytics 3,833 صورة مصنفة عبر 23 فئة لأجزاء السيارات — بما في ذلك الصمامات، والأبواب، والأضواء، والمرايا، والغطاء، والصندوق — لتدريب نماذج تجزئة المثيلات في مهام رؤية الحاسوب الخاصة بالسيارات. التقطت الصور من منظورات متعددة وتم تسميتها بأقنعة على مستوى البكسل، وهي تتوافق مباشرة مع Ultralytics YOLO لحالات الاستخدام التي تتراوح بين مراقبة جودة السيارات وإصلاحها إلى تقييم أضرار مطالبات التأمين وإدراك المركبات ذاتية القيادة.

هيكل مجموعة البيانات#

تقسم مجموعة بيانات تجزئة أجزاء السيارات صورها البالغ عددها 3,833 صورة كما يلي:

• مجموعة التدريب: 3,156 صورة تستخدم لـ training deep learning model.
• مجموعة التحقق: 401 صورة تُستخدم أثناء التدريب لضبط المعلمات الفائقة ومنع فرط التخصيص على بيانات التحقق.
• مجموعة الاختبار: 276 صورة تُستخدم لتقييم النموذج على بيانات اختبار محجوبة بعد التدريب.
• الفئات: 23 إجمالاً — 22 فئة مسماة لأجزاء السيارة (الصمامات، والأبواب، والأضواء، والزجاج، والمرايا، والغطاء، والباب الخلفي، والصندوق، والعجلات) بالإضافة إلى فئة شاملة object للأجزاء خارج تلك الفئات.
• حجم التنزيل: حوالي 133 ميجابايت.

التطبيقات#

تجد تجزئة قطع غيار السيارات تطبيقات في مجالات متنوعة تشمل:

• مراقبة جودة السيارات: تحديد العيوب أو التناقضات في أجزاء السيارات أثناء التصنيع (الذكاء الاصطناعي في التصنيع).
• إصلاح السيارات: مساعدة الميكانيكيين في تحديد القطع اللازمة للإصلاح أو الاستبدال.
• تصنيف التجارة الإلكترونية: وضع علامات تلقائية وتصنيف لأجزاء السيارات في المتاجر عبر الإنترنت لمنصات التجارة الإلكترونية.
• مراقبة حركة المرور: تحليل مكونات المركبات في لقطات مراقبة حركة المرور.
• المركبات ذاتية القيادة: تحسين أنظمة الإدراك في السيارات ذاتية القيادة لفهم المركبات المحيطة بشكل أفضل.
• معالجة التأمين: أتمتة تقييم الأضرار من خلال تحديد قطع غيار السيارات المتضررة أثناء مطالبات التأمين.
• إعادة التدوير: فرز مكونات المركبات لعمليات إعادة تدوير فعالة.
• مبادرات المدن الذكية: المساهمة بالبيانات للتخطيط الحضري وأنظمة إدارة المرور داخل المدن الذكية.

يمكن أيضاً تصفح مجموعة بيانات تجزئة أجزاء السيارة الكاملة وإدارتها على منصة Ultralytics.

YAML مجموعة البيانات#

يحدد ملف YAML تكوين مجموعة البيانات، بما في ذلك المسارات، وأسماء الفئات، والتفاصيل الأساسية الأخرى. بالنسبة لمجموعة بيانات تجزئة أجزاء السيارة، يتوفر ملف carparts-seg.yaml على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml. يمكنك معرفة المزيد حول تنسيق YAML في yaml.org.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Carparts-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/carparts-seg
# Example usage: yolo train data=carparts-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── carparts-seg ← downloads here (133 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: carparts-seg # dataset root dir
train: images/train # train images (relative to 'path') 3156 images
val: images/val # val images (relative to 'path') 401 images
test: images/test # test images (relative to 'path') 276 images

# Classes
names:
  0: back_bumper
  1: back_door
  2: back_glass
  3: back_left_door
  4: back_left_light
  5: back_light
  6: back_right_door
  7: back_right_light
  8: front_bumper
  9: front_door
  10: front_glass
  11: front_left_door
  12: front_left_light
  13: front_light
  14: front_right_door
  15: front_right_light
  16: hood
  17: left_mirror
  18: object
  19: right_mirror
  20: tailgate
  21: trunk
  22: wheel

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/carparts-seg.zip

الاستخدام#

لتدريب نموذج Ultralytics YOLO26 على مجموعة بيانات تجزئة أجزاء السيارة لمدة 100 حقبة تدريب بحجم صورة يبلغ 640، استخدم مقاطع الكود التالية. راجع دليل التدريب للنموذج للحصول على قائمة شاملة بالوسائط المتاحة واستكشف نصائح تدريب النموذج لأفضل الممارسات.

from ultralytics import YOLO

# Load a pretrained segmentation model like YOLO26n-seg
model = YOLO("yolo26n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model on the Carparts Segmentation dataset
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)

# After training, you can validate the model's performance on the validation set
results = model.val()

# Or perform prediction on new images or videos
results = model.predict("path/to/your/image.jpg")

عينة من البيانات والتعليقات#

فيما يلي صورة نموذجية من مجموعة بيانات تجزئة أجزاء السيارة مع تراكب أقنعة تجزئة الكائنات الخاصة بها، مما يوضح كيف يتم تحديد أجزاء السيارة الفردية وتسميتها:

تمتد مجموعة البيانات عبر مواقع متنوعة وظروف إضاءة وكثافات كائنات مختلفة، مما يمنح النماذج التي تم تدريبها عليها خبرة في مجموعة من المشاهد الواقعية التي ستحتاج إلى التعميم عبرها.

الاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات تجزئة قطع غيار السيارات في جهود البحث أو التطوير الخاصة بك، يرجى الاستشهاد بالمصدر الأصلي:

@misc{car-seg-un1pm_dataset,
      title = { car-seg Dataset },
      type = { Open Source Dataset },
      author = { Gianmarco Russo },
      url = { https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm },
      year = { 2023 },
      month = { nov },
      note = { visited on 2024-01-24 },
}

نحن نقدر مساهمة جانماركو روسو وفريق Roboflow في إنشاء وصيانة هذه المجموعة الثمينة من البيانات لمجتمع رؤية الحاسوب. للمزيد من مجموعات البيانات، تفضل بزيارة مجموعة بيانات Ultralytics.

الأسئلة الشائعة#

ما هي مجموعة بيانات تجزئة أجزاء السيارات، وكيف يتم استخدامها في Ultralytics YOLO26؟#

تُعد مجموعة بيانات تجزئة أجزاء السيارة مجموعة منسقة تضم 3,833 صورة مصنفة تغطي 23 فئة لأجزاء السيارة — الصمامات، والأبواب، والأضواء، والمرايا، والغطاء، والصندوق، والمزيد — لتدريب وتقييم نماذج تجزئة المثيلات. لقد تم تصميمها لتطبيقات رؤية الحاسوب الخاصة بالسيارات مثل مراقبة الجودة، وإصلاح السيارات، وتقييم الأضرار، وتُستخدم مباشرة مع Ultralytics YOLO26 عبر ملف التكوين carparts-seg.yaml.

كم عدد الصور والفئات التي تحتوي عليها مجموعة بيانات تجزئة أجزاء السيارات؟#

يبلغ إجمالي مجموعة البيانات 3,833 صورة — 3,156 للتدريب، 401 للتحقق، و276 للاختبار — عبر 23 فئة: 22 فئة مسماة لأجزاء السيارة بالإضافة إلى فئة شاملة object للأجزاء التي خارجها. يتم تنزيل الأرشيف الكامل تلقائياً كحجم ~133 ميغابايت .zip عند الاستخدام لأول مرة.

كيف يمكنني تدريب نموذج Ultralytics YOLO26 على مجموعة بيانات تجزئة أجزاء السيارات؟#

قم بتحميل نموذج تجزئة مُدرب مسبقاً (على سبيل المثال، yolo26n-seg.pt) وقم بتدريبه باستخدام تكوين carparts-seg.yaml باستخدام مقاطع Python أو CLI في قسم الاستخدام أعلاه. راجع دليل التدريب للحصول على القائمة الكاملة للوسائط المتاحة.

ما هي بعض تطبيقات مجموعة بيانات تجزئة أجزاء السيارات؟#

تدعم تجزئة أجزاء السيارة مراقبة جودة السيارات، وإصلاح السيارات، وتصنيف التجارة الإلكترونية، ومراقبة حركة المرور، وإدراك المركبات ذاتية القيادة، وتقييم أضرار التأمين، وإعادة التدوير، ومبادرات المدن الذكية — راجع قسم التطبيقات أعلاه للحصول على تفاصيل حول كل حالة استخدام.

أين يمكنني العثور على ملف تكوين مجموعة البيانات لتجزئة قطع غيار السيارات؟#

يقع ملف تكوين مجموعة البيانات، carparts-seg.yaml، والذي يحتوي على تفاصيل حول مسارات مجموعة البيانات وفئاتها، في مستودع Ultralytics على GitHub: carparts-seg.yaml.

لماذا يجب أن أستخدم مجموعة بيانات تجزئة قطع غيار السيارات؟#

تقدم مجموعة البيانات هذه بيانات غنية ومصنفة ضرورية لتطوير نماذج تجزئة دقيقة لتطبيقات السيارات. يساعد تنوعها في تحسين متانة النموذج وأدائه في سيناريوهات العالم الحقيقي مثل الفحص التلقائي للمروبات، وتعزيز أنظمة السلامة، ودعم تكنولوجيا القيادة الذاتية. يؤدي استخدام مجموعات بيانات عالية الجودة وخاصة بالمجال مثل هذه إلى تسريع تطوير الذكاء الاصطناعي.