Roboflow Conjunto de datos de segmentación Universe Carparts
La base de datos Roboflow Carparts Segmentation Dataset es una colección curada de imágenes y vídeos diseñados para aplicaciones de visión por ordenador, centrada específicamente en tareas de segmentación relacionadas con piezas de automóviles. Este conjunto de datos proporciona un conjunto diverso de imágenes capturadas desde múltiples perspectivas, ofreciendo valiosos ejemplos anotados para entrenar y probar modelos de segmentación.
Tanto si trabaja en investigación automovilística como si desarrolla soluciones de IA para el mantenimiento de vehículos o explora aplicaciones de visión por ordenador, el conjunto de datos de segmentación de Carparts constituye un valioso recurso para mejorar la precisión y la eficacia de sus proyectos.
Observa: Carparts Segmentación de instancias con Ultralytics YOLO11
Estructura del conjunto de datos
La distribución de los datos en el conjunto de datos de segmentación de Carparts se organiza como se indica a continuación:
- Conjunto de entrenamiento: Incluye 3156 imágenes, cada una acompañada de sus correspondientes anotaciones.
- Conjunto de pruebas: Comprende 276 imágenes, cada una de ellas emparejada con sus respectivas anotaciones.
- Conjunto de validación: Consta de 401 imágenes, cada una con sus correspondientes anotaciones.
Aplicaciones
La segmentación de piezas de automóviles encuentra aplicaciones en el control de calidad de la automoción, la reparación de automóviles, la catalogación del comercio electrónico, la supervisión del tráfico, los vehículos autónomos, el procesamiento de seguros, el reciclaje y las iniciativas de ciudades inteligentes. Agiliza los procesos al identificar y categorizar con precisión los distintos componentes de los vehículos, lo que contribuye a la eficiencia y la automatización en diversos sectores.
Conjunto de datos YAML
Para definir la configuración del conjunto de datos se utiliza un archivo YAML (Yet Another Markup Language). Contiene información sobre las rutas del conjunto de datos, las clases y otra información relevante. En el caso del conjunto de datos Segmentación de paquetes, el archivo carparts-seg.yaml se mantiene en 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://github.com/ultralytics/assets/releases/download/v0.0.0/carparts-seg.zip
Utilización
Para entrenar el modelo Ultralytics YOLO11n en el conjunto de datos Carparts Segmentation durante 100 épocas con un tamaño de imagen de 640, puede utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulte la página de entrenamiento del modelo.
Ejemplo de tren
Ejemplos de datos y anotaciones
El conjunto de datos Carparts Segmentation incluye una gran variedad de imágenes y vídeos tomados desde distintas perspectivas. A continuación, encontrará ejemplos de datos del conjunto de datos junto con sus anotaciones correspondientes:
- Esta imagen ilustra la segmentación de objetos en una muestra, con recuadros delimitadores anotados y máscaras alrededor de los objetos identificados. El conjunto de datos consiste en un variado conjunto de imágenes capturadas en distintas ubicaciones, entornos y densidades, lo que sirve como recurso completo para elaborar modelos específicos para esta tarea.
- Este caso pone de relieve la diversidad y complejidad inherentes al conjunto de datos, y subraya el papel crucial de los datos de alta calidad en las tareas de visión por ordenador, especialmente en el ámbito de la segmentación de piezas de automóviles.
Citas y agradecimientos
Si integra el conjunto de datos de segmentación de Carparts en sus proyectos de investigación o desarrollo, haga referencia al siguiente documento:
@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 },
}
Hacemos extensivo nuestro agradecimiento al equipo de Roboflow por su dedicación en el desarrollo y la gestión del conjunto de datos Carparts Segmentation, un valioso recurso para el mantenimiento de vehículos y los proyectos de investigación. Para más información sobre el conjunto de datos Carparts Segmentation y sus creadores, visite la página CarParts Segmentation Dataset Page.
PREGUNTAS FRECUENTES
¿Qué es el conjunto de datos de segmentación Roboflow Carparts?
Roboflow Carparts Segmentation Dataset es una colección de imágenes y vídeos diseñada específicamente para tareas de segmentación de piezas de automóviles en visión por ordenador. Este conjunto de datos incluye una amplia gama de imágenes capturadas desde múltiples perspectivas, lo que lo convierte en un recurso inestimable para entrenar y probar modelos de segmentación para aplicaciones de automoción.
¿Cómo puedo utilizar el conjunto de datos de segmentación de Carparts con Ultralytics YOLO11 ?
Para entrenar un modelo YOLO11 en el conjunto de datos Carparts Segmentation, puede seguir estos pasos:
Ejemplo de tren
Para más detalles, consulte la documentación sobre Formación.
¿Cuáles son las aplicaciones de la segmentación Carparts?
La segmentación de piezas de automóvil puede aplicarse ampliamente en diversos campos, como:
- Control de calidad del automóvil
- Reparación y mantenimiento de automóviles
- Catalogación de comercio electrónico
- Control del tráfico
- Vehículos autónomos
- Tramitación de siniestros
- Iniciativas de reciclaje
- Proyectos de ciudades inteligentes
Esta segmentación ayuda a identificar y clasificar con precisión los distintos componentes de los vehículos, mejorando la eficacia y la automatización de estas industrias.
¿Dónde puedo encontrar el archivo de configuración del conjunto de datos para la segmentación de Carparts?
El archivo de configuración del conjunto de datos Carparts Segmentation, carparts-seg.yamlse encuentra en la siguiente dirección: carparts-seg.yaml.
¿Por qué utilizar el conjunto de datos de segmentación de Carparts?
Carparts Segmentation Dataset proporciona datos ricos y anotados esenciales para el desarrollo de modelos de segmentación de alta precisión en visión por ordenador para automoción. La diversidad y las anotaciones detalladas de este conjunto de datos mejoran la formación de modelos, lo que lo hace ideal para aplicaciones como la automatización del mantenimiento de vehículos, la mejora de los sistemas de seguridad de los vehículos y el apoyo a las tecnologías de conducción autónoma. La asociación con un conjunto de datos sólido acelera el desarrollo de la IA y garantiza un mejor rendimiento de los modelos.
Para obtener más información, visite la página del conjunto de datos de segmentación de piezas de automóviles.
