انتقل إلى المحتوى

Roboflow مجموعة بيانات تجزئة قطع غيار السيارات الكونية

ال Roboflowمجموعة بيانات تجزئة قطع غيار السيارات عبارة عن مجموعة منسقة من الصور ومقاطع الفيديو المصممة لتطبيقات رؤية الكمبيوتر ، مع التركيز بشكل خاص على مهام التجزئة المتعلقة بقطع غيار السيارات. توفر مجموعة البيانات هذه مجموعة متنوعة من العناصر المرئية التي تم التقاطها من وجهات نظر متعددة ، وتقدم أمثلة قيمة مشروحة للتدريب واختبار نماذج التجزئة.

سواء كنت تعمل على أبحاث السيارات ، أو تطوير حلول الذكاء الاصطناعي لصيانة المركبات ، أو استكشاف تطبيقات رؤية الكمبيوتر ، فإن مجموعة بيانات تجزئة قطع غيار السيارات تعمل كمورد قيم لتعزيز الدقة والكفاءة في مشاريعك.

هيكل مجموعة البيانات

يتم تنظيم توزيع البيانات داخل مجموعة بيانات تجزئة قطع غيار السيارات على النحو المبين أدناه:

  • مجموعة التدريب: تتضمن 3156 صورة ، كل منها مصحوب بالتعليقات التوضيحية المقابلة لها.
  • مجموعة الاختبار: تضم 276 صورة ، مع إقران كل صورة بالتعليقات التوضيحية الخاصة بها.
  • مجموعة التحقق من الصحة: تتكون من 401 صورة ، لكل منها تعليقات توضيحية مقابلة.

التطبيقات

يجد Carparts Segmentation تطبيقات في مراقبة جودة السيارات ، وإصلاح السيارات ، وفهرسة التجارة الإلكترونية ، ومراقبة حركة المرور ، والمركبات المستقلة ، ومعالجة التأمين ، وإعادة التدوير ، ومبادرات المدينة الذكية. إنه يبسط العمليات من خلال تحديد مكونات المركبات المختلفة وتصنيفها بدقة ، مما يساهم في الكفاءة والأتمتة في مختلف الصناعات.

مجموعة البيانات YAML

يتم استخدام ملف YAML (لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. يحتوي على معلومات حول مسارات مجموعة البيانات والفئات والمعلومات الأخرى ذات الصلة. في حالة مجموعة بيانات تجزئة الحزمة، carparts-seg.yaml يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml.

ultralytics/cfg/datasets/carparts-seg.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 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 (132 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/carparts-seg # dataset root dir
train: train/images # train images (relative to 'path') 3516 images
val: valid/images # val images (relative to 'path') 276 images
test: test/images # test images (relative to 'path') 401 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://ultralytics.com/assets/carparts-seg.zip

استخدام

للتدريب Ultralytics YOLOv8n على مجموعة بيانات تجزئة قطع غيار السيارات ل 100 حقبة بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى صفحة نموذج التدريب .

مثال القطار

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='carparts-seg.yaml', epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo segment train data=carparts-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640

عينة من البيانات والتعليقات التوضيحية

تتضمن مجموعة بيانات تجزئة قطع غيار السيارات مجموعة متنوعة من الصور ومقاطع الفيديو المأخوذة من وجهات نظر مختلفة. ستجد أدناه أمثلة على البيانات من مجموعة البيانات بالإضافة إلى التعليقات التوضيحية المقابلة لها:

صورة عينة مجموعة البيانات

  • توضح هذه الصورة تجزئة الكائن داخل عينة، تتميز بمربعات محيطة مشروحة مع أقنعة تحيط بالكائنات المحددة. تتكون مجموعة البيانات من مجموعة متنوعة من الصور التي تم التقاطها في مواقع وبيئات وكثافات مختلفة ، وتعمل كمورد شامل لصياغة نماذج خاصة بهذه المهمة.
  • يسلط هذا المثال الضوء على التنوع والتعقيد المتأصل في مجموعة البيانات ، مع التأكيد على الدور الحاسم للبيانات عالية الجودة في مهام رؤية الكمبيوتر ، لا سيما في مجال تجزئة قطع غيار السيارات.

الاستشهادات والشكر

إذا قمت بدمج مجموعة بيانات تجزئة قطع غيار السيارات في مشاريع البحث أو التطوير الخاصة بك ، فيرجى الرجوع إلى الورقة التالية:

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

نتقدم بالشكر إلى Roboflow لتفانيهم في تطوير وإدارة مجموعة بيانات تجزئة قطع غيار السيارات ، وهي مورد قيم لصيانة المركبات والمشاريع البحثية. للحصول على تفاصيل إضافية حول مجموعة بيانات تجزئة قطع غيار السيارات ومنشئيها، يرجى زيارة صفحة مجموعة بيانات تجزئة قطع غيار السيارات.



تم النشر في 2024-01-25, اخر تحديث 2024-02-08
المؤلفون: chr043416@gmail.com (1) ، جلين جوشر (1)

التعليقات