Conjunto de datos de segmentación de paquetes

El conjunto de datos de segmentación de paquetes, disponible en Roboflow Universe, es una colección de imágenes seleccionadas específicamente para tareas relacionadas con la segmentación de paquetes en el campo de la visión por ordenador. Este conjunto de datos está diseñado para ayudar a los investigadores, desarrolladores y entusiastas que trabajan en proyectos relacionados con la identificación, clasificación y manipulación de paquetes, centrándose principalmente en tareas de segmentación de imágenes.

Observa: Entrenar el modelo de segmentación de envases utilizando Ultralytics YOLO11 | Envases industriales 🎉

Este conjunto de datos, que contiene un variado conjunto de imágenes que muestran varios paquetes en distintos contextos y entornos, constituye un valioso recurso para entrenar y evaluar modelos de segmentación. Tanto si se dedica a la logística como a la automatización de almacenes o a cualquier otra aplicación que requiera un análisis preciso de los paquetes, el conjunto de datos de segmentación de paquetes proporciona un conjunto específico y completo de imágenes para mejorar el rendimiento de sus algoritmos de visión por ordenador. Explore más conjuntos de datos para tareas de segmentación en nuestra página de descripción general de conjuntos de datos.

Estructura del conjunto de datos

La distribución de los datos en el conjunto de datos de segmentación de paquetes se estructura del siguiente modo:

• Conjunto de entrenamiento: Comprende 1920 imágenes acompañadas de sus correspondientes anotaciones.
• Conjunto de pruebas: Consta de 89 imágenes, cada una emparejada con sus respectivas anotaciones.
• Conjunto de validación: Comprende 188 imágenes, cada una con sus correspondientes anotaciones.

Aplicaciones

La segmentación de paquetes, facilitada por el conjunto de datos Package Segmentation Dataset, es crucial para optimizar la logística, mejorar la entrega en la última milla, mejorar el control de calidad de la fabricación y contribuir a soluciones de ciudades inteligentes. Desde el comercio electrónico hasta las aplicaciones de seguridad, este conjunto de datos es un recurso clave que fomenta la innovación en visión por ordenador para aplicaciones de análisis de paquetes diversas y eficientes.

Logística y almacenes inteligentes

En los almacenes modernos, las soluciones de IA por visión pueden agilizar las operaciones automatizando la identificación y clasificación de paquetes. Los modelos de visión por ordenador entrenados en este conjunto de datos pueden detectar y segmentar rápidamente los paquetes en tiempo real, incluso en entornos difíciles con poca luz o espacios desordenados. Esto agiliza los tiempos de procesamiento, reduce los errores y mejora la eficiencia general de las operaciones logísticas.

Control de calidad y detección de daños

Los modelos de segmentación de paquetes pueden utilizarse para identificar paquetes dañados analizando su forma y aspecto. Al detectar irregularidades o deformaciones en los contornos de los envases, estos modelos ayudan a garantizar que sólo los envases intactos avanzan por la cadena de suministro, reduciendo las reclamaciones de los clientes y las tasas de devolución. Se trata de un aspecto clave del control de calidad en la fabricación y es vital para mantener la integridad del producto.

Conjunto de datos YAML

Un archivo YAML (Yet Another Markup Language) define la configuración del conjunto de datos, incluyendo rutas, clases y otros detalles esenciales. Para el conjunto de datos de segmentación de paquetes, el archivo package-seg.yaml se mantiene en https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

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

# Package-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/package-seg/
# Example usage: yolo train data=package-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── package-seg  ← downloads here (102 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/package-seg # dataset root dir
train: train/images # train images (relative to 'path') 1920 images
val: valid/images # val images (relative to 'path') 89 images
test: test/images # test images (relative to 'path') 188 images

# Classes
names:
  0: package

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

Utilización

Para entrenar un Ultralytics YOLO11n en el conjunto de datos de segmentación de paquetes para 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.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained segmentation model (recommended for training)

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

# Validate the model
results = model.val()

# Perform inference on an image
results = model("path/to/image.jpg")

# Load a pretrained segmentation model and start training
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

# Resume training from the last checkpoint
yolo segment train data=package-seg.yaml model=path/to/last.pt resume=True

# Validate the trained model
yolo segment val data=package-seg.yaml model=path/to/best.pt

# Perform inference using the trained model
yolo segment predict model=path/to/best.pt source=path/to/image.jpg

Ejemplos de datos y anotaciones

El conjunto de datos de segmentación de paquetes comprende una variada colección de imágenes captadas desde múltiples perspectivas. A continuación se muestran ejemplos de datos del conjunto de datos, acompañados de sus respectivas máscaras de segmentación:

• Esta imagen muestra un ejemplo de segmentación de paquetes, con máscaras anotadas que delinean los objetos de paquete reconocidos. El conjunto de datos incorpora una variada colección de imágenes tomadas en distintos lugares, entornos y densidades. Sirve como recurso exhaustivo para desarrollar modelos específicos para esta tarea de segmentación.
• El ejemplo pone de relieve la diversidad y complejidad presentes en el conjunto de datos, subrayando la importancia de los datos de alta calidad para las tareas de visión por ordenador que implican la segmentación de paquetes.

Ventajas de utilizar YOLO11 para la segmentación de envases

Ultralytics YOLO11 ofrece varias ventajas para las tareas de segmentación de paquetes:

1. Equilibrio entre velocidad y precisión: YOLO11 alcanza una gran precisión y eficacia, lo que lo hace ideal para la inferencia en tiempo real en entornos logísticos de ritmo rápido. Ofrece un gran equilibrio en comparación con modelos como YOLOv8.

2. Adaptabilidad: Los modelos entrenados con YOLO11 pueden adaptarse a diversas condiciones de almacén, desde una iluminación tenue hasta espacios desordenados, lo que garantiza un rendimiento sólido.

3. Escalabilidad: Durante los periodos de máxima actividad, como las temporadas de vacaciones, los modelos YOLO11 pueden escalarse eficazmente para gestionar mayores volúmenes de paquetes sin comprometer el rendimiento ni la precisión.

4. Capacidad de integración: YOLO11 puede integrarse fácilmente con los sistemas de gestión de almacenes existentes y desplegarse en varias plataformas utilizando formatos como ONNX o TensorRTfacilitando soluciones automatizadas de extremo a extremo.

Citas y agradecimientos

Si integra el conjunto de datos de segmentación de paquetes en sus iniciativas de investigación o desarrollo, cite la fuente adecuadamente:

@misc{ factory_package_dataset,
    title = { factory_package Dataset },
    type = { Open Source Dataset },
    author = { factorypackage },
    url = { https://universe.roboflow.com/factorypackage/factory_package },
    journal = { Roboflow Universe },
    publisher = { Roboflow },
    year = { 2024 },
    month = { jan },
    note = { visited on 2024-01-24 },
}

Expresamos nuestra gratitud a los creadores del conjunto de datos Package Segmentation por su contribución a la comunidad de visión por ordenador. Para más información sobre conjuntos de datos y entrenamiento de modelos, visite nuestra página sobre conjuntos de datosUltralytics y nuestra guía sobre consejos para el entrenamiento de modelos.

PREGUNTAS FRECUENTES

¿Qué es el conjunto de datos de segmentación de paquetes y cómo puede ayudar en los proyectos de visión por ordenador?

• El conjunto de datos de segmentación de envases es una colección de imágenes adaptadas a tareas de segmentación de imágenes de envases. Incluye diversas imágenes de paquetes en distintos contextos, lo que la convierte en una herramienta inestimable para entrenar y evaluar modelos de segmentación. Este conjunto de datos es especialmente útil para aplicaciones de logística, automatización de almacenes y cualquier proyecto que requiera un análisis preciso de los paquetes.

¿Cómo se entrena un modelo Ultralytics YOLO11 en el conjunto de datos de segmentación de paquetes?

• Puede entrenar un Ultralytics YOLO11 utilizando métodos Python y CLI . Utilice los fragmentos de código proporcionados en la sección Uso. Consulte la página de entrenamiento del modelo para obtener más detalles sobre los argumentos y las configuraciones.

¿Cuáles son los componentes del conjunto de datos de segmentación de paquetes y cómo está estructurado?

• El conjunto de datos está estructurado en tres componentes principales:
  • Conjunto de entrenamiento: Contiene 1920 imágenes con anotaciones.
  • Conjunto de pruebas: Comprende 89 imágenes con sus correspondientes anotaciones.
  • Conjunto de validación: Incluye 188 imágenes con anotaciones.
• Esta estructura garantiza un conjunto de datos equilibrado para el entrenamiento, la validación y el ensayo exhaustivos de los modelos, siguiendo las mejores prácticas descritas en las guías de evaluación de modelos.

¿Por qué debería utilizar Ultralytics YOLO11 con el conjunto de datos de segmentación de paquetes?

• Ultralytics YOLO11 proporciona una precisión y velocidad de vanguardia para tareas de detección y segmentación de objetos en tiempo real. Su uso con el conjunto de datos de segmentación de paquetes permite aprovechar las capacidades de YOLO11 para la segmentación precisa de paquetes, lo que resulta especialmente beneficioso para sectores como la logística y la automatización de almacenes.

¿Cómo puedo acceder y utilizar el archivo package-seg.yaml para el conjunto de datos de segmentación de paquetes?

• En package-seg.yaml está alojado en el repositorio GitHub de Ultralytics y contiene información esencial sobre las rutas, las clases y la configuración del conjunto de datos. Puede verlo o descargarlo desde aquí. Este archivo es crucial para configurar sus modelos de modo que utilicen el conjunto de datos de forma eficiente. Para obtener más información y ejemplos prácticos, consulte nuestro Python Utilización sección.

Creado hace 1 año ✏️ Actualizado hace 0 días

Comentarios