Roboflow Conjunto de datos de segmentación del universo Carparts

El 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 trabajas en investigación automovilística, como si desarrollas soluciones de IA para el mantenimiento de vehículos o exploras aplicaciones de visión por ordenador, el Conjunto de datos de segmentación de Carparts es un valioso recurso para mejorar la precisión y la eficacia de tus proyectos.

Observa: Segmentación de instancias de Carparts mediante Ultralytics HUB

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: Consta de 276 imágenes, cada una emparejada con sus respectivas anotaciones.
• Conjunto de validación: Consta de 401 imágenes, cada una con sus correspondientes anotaciones.

Aplicaciones

La segmentación de piezas de automóvil 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 identificando y categorizando con precisión los distintos componentes de los vehículos, contribuyendo a la eficiencia y la automatización en diversas industrias.

Conjunto de datos YAML

Se utiliza un archivo YAML (Yet Another Markup Language) para definir la configuración del conjunto de datos. 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 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

Utilización

Para entrenar el modelo Ultralytics YOLOv8n en el conjunto de datos Segmentación de Carparts durante 100 épocas con un tamaño de imagen de 640, puedes utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulta la página Entrenamiento del modelo.

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

Muestra de datos y anotaciones

El conjunto de datos de Segmentación de Carparts incluye una variada gama de imágenes y vídeos tomados desde diversas perspectivas. A continuación, encontrarás ejemplos de datos del conjunto de datos junto con sus correspondientes anotaciones:

• Esta imagen ilustra la segmentación de objetos dentro de una muestra, con cuadros delimitadores anotados con máscaras alrededor de los objetos identificados. El conjunto de datos consiste en un variado conjunto de imágenes capturadas en diversas ubicaciones, entornos y densidades, que sirve como recurso exhaustivo para elaborar modelos específicos para esta tarea.
• Este caso pone de manifiesto 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 integras el conjunto de datos de Segmentación de Carparts en tus proyectos de investigación o desarrollo, haz 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 },
    }

Extendemos nuestro agradecimiento al equipo de Roboflow por su dedicación en el desarrollo y la gestión del conjunto de datos de Segmentación de Piezas de Coche, un valioso recurso para el mantenimiento de vehículos y los proyectos de investigación. Para obtener más información sobre el conjunto de datos Segmentación de piezas de automóviles y sus creadores, visita la Página del conjunto de datos Segmentación de piezas de automóviles.

Comentarios