Roboflow مجموعة بيانات تجزئة قطع غيار السيارات العالمية

مجموعة بيانات Roboflow مجموعة بيانات تجزئة أجزاء السيارة عبارة عن مجموعة منسقة من الصور ومقاطع الفيديو المصممة لتطبيقات الرؤية الحاسوبية، مع التركيز بشكل خاص على مهام التجزئة المتعلقة بأجزاء السيارة. توفر مجموعة البيانات هذه مجموعة متنوعة من المرئيات التي تم التقاطها من وجهات نظر متعددة، مما يوفر أمثلة مشروحة قيّمة لتدريب واختبار نماذج التجزئة.

سواء أكنت تعمل على أبحاث السيارات، أو تعمل على تطوير حلول الذكاء الاصطناعي لصيانة المركبات، أو تستكشف تطبيقات الرؤية الحاسوبية، فإن مجموعة بيانات تقسيم السيارات تُعدّ مورداً قيماً لتعزيز الدقة والكفاءة في مشاريعك.

شاهد: قطع غيار السيارات تجزئة المثيل مع Ultralytics YOLO11

هيكلية مجموعة البيانات

تم تنظيم توزيع البيانات ضمن مجموعة بيانات تجزئة كاربارتس على النحو المبين أدناه:

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

التطبيقات

يجد تقسيم أجزاء السيارة تطبيقات في مراقبة جودة السيارات، وإصلاح السيارات، وفهرسة التجارة الإلكترونية، ومراقبة حركة المرور، والمركبات ذاتية القيادة، ومعالجة التأمين، وإعادة التدوير، ومبادرات المدن الذكية. فهو يعمل على تبسيط العمليات من خلال تحديد وتصنيف مكونات المركبات المختلفة بدقة، مما يساهم في تحقيق الكفاءة والأتمتة في مختلف الصناعات.

مجموعة البيانات YAML

يُستخدم ملف YAML (لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. وهو يحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها والمعلومات الأخرى ذات الصلة. في حالة مجموعة بيانات تقسيم الحزمة، فإن ملف carparts-seg.yaml يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/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://github.com/ultralytics/assets/releases/download/v0.0.0/carparts-seg.zip

الاستخدام

لتدريب نموذج Ultralytics YOLO11n على مجموعة بيانات تجزئة Carparts Segmentation لـ 100 حلقة تدريبية بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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=yolo11n-seg.pt epochs=100 imgsz=640

عينة من البيانات والشروح

تتضمن مجموعة بيانات تجزئة Carparts Segmentation مجموعة متنوعة من الصور ومقاطع الفيديو المأخوذة من وجهات نظر مختلفة. ستجد أدناه أمثلة لبيانات من مجموعة البيانات إلى جانب التعليقات التوضيحية المقابلة لها:

• توضّح هذه الصورة تجزئة الكائنات ضمن عيّنة، حيث تظهر المربعات المحدّدة المشروحة مع أقنعة تحيط بالأجسام المحدّدة. تتكون مجموعة البيانات من مجموعة متنوعة من الصور التي تم التقاطها في مواقع وبيئات وكثافات مختلفة، وهي بمثابة مورد شامل لصياغة نماذج خاصة بهذه المهمة.
• يسلط هذا المثال الضوء على التنوع والتعقيد الكامنين في مجموعة البيانات، مما يؤكد على الدور الحاسم للبيانات عالية الجودة في مهام الرؤية الحاسوبية، لا سيما في مجال تجزئة أجزاء السيارة.

الاستشهادات والشكر والتقدير

إذا قمت بدمج مجموعة بيانات تجزئة كاربارتس في مشاريعك البحثية أو التطويرية، يرجى 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 فريق Roboflow على تفانيهم في تطوير وإدارة مجموعة بيانات Carparts Segmentation، وهي مورد قيّم لمشاريع صيانة المركبات والمشاريع البحثية. للحصول على تفاصيل إضافية حول مجموعة بيانات Carparts Segmentation ومنشئيها، يرجى زيارة صفحة مجموعة بيانات CarParts Segmentation Datasation.

الأسئلة الشائعة

ما هي مجموعة بيانات التجزئة Roboflow Carparts Segmentation Datasation؟

مجموعة بيانات تجزئة أجزاء السيارةRoboflow هي مجموعة منسقة من الصور ومقاطع الفيديو المصممة خصيصًا لمهام تجزئة أجزاء السيارة في الرؤية الحاسوبية. تتضمن مجموعة البيانات هذه مجموعة متنوعة من المرئيات التي تم التقاطها من وجهات نظر متعددة، مما يجعلها مورداً لا يقدر بثمن لتدريب واختبار نماذج التجزئة لتطبيقات السيارات.

كيف يمكنني استخدام مجموعة بيانات تجزئة كاربارتس مع Ultralytics YOLO11 ؟

لتدريب نموذج YOLO11 على مجموعة بيانات تجزئة Carparts Segmentation، يمكنك اتباع الخطوات التالية:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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=yolo11n-seg.pt epochs=100 imgsz=640

لمزيد من التفاصيل، راجع وثائق التدريب.

ما هي بعض تطبيقات تجزئة السيارات؟

يمكن تطبيق تقسيم السيارات على نطاق واسع في مجالات مختلفة مثل:

• مراقبة جودة السيارات
• إصلاح السيارات وصيانتها
• فهرسة التجارة الإلكترونية
• مراقبة حركة المرور
• المركبات ذاتية القيادة
• معالجة مطالبات التأمين
• مبادرات إعادة التدوير
• مشاريع المدن الذكية

يساعد هذا التقسيم في تحديد وتصنيف مكونات المركبات المختلفة بدقة، مما يعزز الكفاءة والأتمتة في هذه الصناعات.

أين يمكنني العثور على ملف تكوين مجموعة البيانات لتجزئة كاربارتس؟

ملف تكوين مجموعة البيانات الخاص بمجموعة بيانات تجزئة كاربارتس, carparts-seg.yamlيمكن العثور عليها في الموقع التالي: carparts-seg.yaml.

لماذا يجب استخدام مجموعة بيانات تجزئة كاربارتس؟

توفر مجموعة بيانات التجزئة Carparts Segmentation Datasation Dataset بيانات غنية ومشروحة ضرورية لتطوير نماذج تجزئة عالية الدقة في مجال الرؤية الحاسوبية للسيارات. يعمل تنوع مجموعة البيانات هذه وشروحها التفصيلية على تحسين تدريب النماذج، مما يجعلها مثالية لتطبيقات مثل أتمتة صيانة السيارات، وتعزيز أنظمة سلامة المركبات، ودعم تقنيات القيادة الذاتية. تؤدي الشراكة مع مجموعة بيانات قوية إلى تسريع عملية تطوير الذكاء الاصطناعي وضمان أداء أفضل للنماذج.

لمزيد من التفاصيل، قم بزيارة صفحة مجموعة بيانات تجزئة قطع غيار السيارات.

📅 تم الإنشاء قبل 10 أشهر ✏️ تم التحديث منذ 13 يومًا

التعليقات