Package de jeu de données de segmentation
L'ensemble de données Package Segmentation, disponible sur Roboflow Universe, est une collection d'images spécialement conçue pour les tâches liées à la segmentation de paquets dans le domaine de la vision par ordinateur. Cet ensemble de données est conçu pour aider les chercheurs, les développeurs et les passionnés travaillant sur des projets impliquant l'identification, le tri et la manutention de paquets, en se concentrant principalement sur les tâches de segmentation d'images.
Regarder : Entraîner un modèle de segmentation de paquets en utilisant Ultralytics YOLO11 | Paquets industriels 🎉
Contenant un ensemble diversifié d'images présentant divers paquets dans différents contextes et environnements, l'ensemble de données constitue une ressource précieuse pour la formation et l'évaluation des modèles de segmentation. Que vous soyez engagé dans la logistique, l'automatisation d'entrepôt ou toute application nécessitant une analyse précise des paquets, l'ensemble de données de segmentation des paquets fournit un ensemble ciblé et complet d'images pour améliorer les performances de vos algorithmes de vision par ordinateur. Découvrez d'autres ensembles de données pour les tâches de segmentation sur notre page d'aperçu des ensembles de données.
Structure du jeu de données
La distribution des données dans l'ensemble de données de segmentation des paquets est structurée comme suit :
- Ensemble d’entraînement: Comprend 1920 images accompagnées de leurs annotations correspondantes.
- Ensemble de test : Comprend 89 images, chacune étant associée à ses annotations respectives.
- Ensemble de validation : Comprend 188 images, chacune avec les annotations correspondantes.
Applications
La segmentation de package, facilitée par l'ensemble de données Package Segmentation, est essentielle pour optimiser la logistique, améliorer la livraison du dernier kilomètre, améliorer le contrôle qualité de la fabrication et contribuer aux solutions de villes intelligentes. Du commerce électronique aux applications de sécurité, cet ensemble de données est une ressource clé, favorisant l'innovation dans la vision par ordinateur pour des applications d'analyse de package diverses et efficaces.
Entrepôts intelligents et logistique
Dans les entrepôts modernes, les solutions de vision IA peuvent rationaliser les opérations en automatisant l'identification et le tri des colis. Les modèles de vision par ordinateur entraînés sur cet ensemble de données peuvent rapidement détecter et segmenter les colis en temps réel, même dans des environnements difficiles avec un éclairage faible ou des espaces encombrés. Cela se traduit par des temps de traitement plus rapides, une réduction des erreurs et une amélioration de l'efficacité globale des opérations logistiques.
Contrôle qualité et détection des dommages
Les modèles de segmentation de paquets peuvent être utilisés pour identifier les paquets endommagés en analysant leur forme et leur apparence. En détectant les irrégularités ou les déformations dans les contours des paquets, ces modèles permettent de s'assurer que seuls les paquets intacts passent par la chaîne d'approvisionnement, ce qui réduit les plaintes des clients et les taux de retour. Il s'agit d'un aspect clé du contrôle qualité dans la fabrication et est essentiel pour maintenir l'intégrité du produit.
YAML du jeu de données
Un fichier YAML (Yet Another Markup Language) définit la configuration de l'ensemble de données, y compris les chemins, les classes et d'autres détails essentiels. Pour l'ensemble de données Package Segmentation, le package-seg.yaml
fichier est maintenu à l'adresse https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.
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 (103 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: package-seg # dataset root dir
train: images/train # train images (relative to 'path') 1920 images
val: images/val # val images (relative to 'path') 89 images
test: images/test # 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
Utilisation
Pour entraîner un modèle Ultralytics YOLO11n sur l'ensemble de données Package Segmentation pendant 100 epochs avec une taille d'image de 640, vous pouvez utiliser les extraits de code suivants. Pour une liste complète des arguments disponibles, consultez la page d'entraînement du modèle.
Exemple d'entraînement
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
Exemple de données et d'annotations
L'ensemble de données Package Segmentation comprend une collection variée d'images capturées sous de multiples perspectives. Vous trouverez ci-dessous des exemples de données issues de l'ensemble de données, accompagnées de leurs masques de segmentation respectifs :
- Cette image présente un exemple de segmentation de paquets, avec des masques annotés décrivant les objets de paquets reconnus. L'ensemble de données comprend une collection diversifiée d'images prises dans différents lieux, environnements et densités. Il sert de ressource complète pour développer des modèles spécifiques à cette tâche de segmentation.
- L'exemple met en évidence la diversité et la complexité présentes dans l'ensemble de données, soulignant l'importance de données de haute qualité pour les tâches de vision par ordinateur impliquant la segmentation des emballages.
Avantages de l'utilisation de YOLO11 pour la segmentation de paquets
Ultralytics YOLO11 offre plusieurs avantages pour les tâches de segmentation de paquets :
-
Équilibre entre vitesse et précision : YOLO11 offre une précision et une efficacité élevées, ce qui le rend idéal pour l'inférence en temps réel dans les environnements logistiques dynamiques. Il offre un équilibre solide par rapport à des modèles comme YOLOv8.
-
Adaptabilité : Les modèles entraînés avec YOLO11 peuvent s'adapter à diverses conditions d'entrepôt, allant d'un éclairage faible à des espaces encombrés, garantissant ainsi des performances robustes.
-
Scalabilité : Pendant les périodes de pointe, comme les fêtes de fin d'année, les modèles YOLO11 peuvent être efficacement mis à l'échelle pour traiter des volumes de colis accrus sans compromettre les performances ou la précision.
-
Capacités d'intégration : YOLO11 peut être facilement intégré aux systèmes de gestion d'entrepôt existants et déployé sur diverses plateformes en utilisant des formats tels que ONNX ou TensorRT, facilitant ainsi les solutions automatisées de bout en bout.
Citations et remerciements
Si vous intégrez l'ensemble de données Package Segmentation dans vos initiatives de recherche ou de développement, veuillez citer la source de manière appropriée :
@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 },
}
Nous exprimons notre gratitude aux créateurs de l'ensemble de données Package Segmentation pour leur contribution à la communauté de la vision par ordinateur. Pour une exploration plus approfondie des ensembles de données et de la formation de modèles, envisagez de visiter notre page Ensembles de données Ultralytics et notre guide sur les conseils de formation de modèles.
FAQ
Qu'est-ce que le jeu de données de segmentation des emballages et comment peut-il aider dans les projets de vision par ordinateur ?
- L'ensemble de données Package Segmentation est une collection d'images spécialement conçue pour les tâches impliquant la segmentation d'images de paquets. Il comprend diverses images de paquets dans différents contextes, ce qui le rend précieux pour l'entraînement et l'évaluation des modèles de segmentation. Cet ensemble de données est particulièrement utile pour les applications dans la logistique, l'automatisation des entrepôts et tout projet nécessitant une analyse précise des paquets.
Comment entraîner un modèle Ultralytics YOLO11 sur le jeu de données Package Segmentation ?
- Vous pouvez entraîner un modèle Ultralytics YOLO11 en utilisant les méthodes Python et CLI. Utilisez les extraits de code fournis dans la section Utilisation. Consultez la page Entraînement du modèle pour plus de détails sur les arguments et les configurations.
Quels sont les composants du jeu de données Package Segmentation et comment est-il structuré ?
- L'ensemble de données est structuré en trois composantes principales :
- Ensemble d’entraînement: Contient 1920 images avec des annotations.
- Ensemble de test : Comprend 89 images avec les annotations correspondantes.
- Ensemble de validation : Comprend 188 images avec des annotations.
- Cette structure garantit un ensemble de données équilibré pour un entraînement, une validation et des tests approfondis du modèle, conformément aux meilleures pratiques décrites dans les guides d'évaluation des modèles.
Pourquoi devrais-je utiliser Ultralytics YOLO11 avec l'ensemble de données Package Segmentation ?
- Ultralytics YOLO11 offre une précision et une vitesse de pointe pour les tâches de détection d'objets et de segmentation en temps réel. Son utilisation avec l'ensemble de données Package Segmentation vous permet d'exploiter les capacités de YOLO11 pour une segmentation précise des paquets, ce qui est particulièrement avantageux pour les secteurs tels que la logistique et l'automatisation des entrepôts.
Comment puis-je accéder au fichier package-seg.yaml et l'utiliser pour l'ensemble de données de segmentation de paquets ?
- L'argument
package-seg.yaml
fichier est hébergé sur le référentiel GitHub d'Ultralytics et contient des informations essentielles sur les chemins d'accès, les classes et la configuration de l'ensemble de données. Vous pouvez le consulter ou le télécharger sur https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml. Ce fichier est essentiel pour configurer vos modèles afin d'utiliser efficacement l'ensemble de données. Pour plus d'informations et d'exemples pratiques, explorez notre Utilisation de Python section.