Modifier la page sur GitHub (EN)

Jeu de données de segmentation de colis

Ouvrir le jeu de données de segmentation de colis dans Colab

Le jeu de données de segmentation de colis est une collection organisée d'images spécialement conçues pour les tâches liées à la segmentation de colis dans le domaine de la vision par ordinateur. Ce jeu 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 colis, en se concentrant principalement sur les tâches de segmentation d'image.



Watch: Train Package Segmentation Model using Ultralytics YOLO26 | Industrial Packages 🎉

Contenant un ensemble diversifié d'images présentant divers colis dans différents contextes et environnements, le jeu de données constitue une ressource précieuse pour entraîner et évaluer les modèles de segmentation. Que tu travailles dans la logistique, l'automatisation d'entrepôts ou toute application nécessitant une analyse précise des colis, le jeu de données de segmentation de colis fournit un ensemble d'images ciblé et complet pour améliorer les performances de tes algorithmes de vision par ordinateur. Explore d'autres jeux de données pour les tâches de segmentation sur notre page de présentation des jeux de données.

Structure du jeu de données

La distribution des données dans le jeu de données de segmentation de colis est structurée comme suit :

  • Ensemble d'entraînement : comprend 1920 images accompagnées de leurs annotations correspondantes.
  • Ensemble de test : composé de 89 images, chacune associée à ses annotations respectives.
  • Ensemble de validation : comprend 188 images, chacune avec ses annotations correspondantes.

Applications

La segmentation de colis, facilitée par le jeu de données de segmentation de colis, est cruciale pour optimiser la logistique, améliorer la livraison du dernier kilomètre, renforcer le contrôle qualité en fabrication et contribuer aux solutions de ville intelligente. Du commerce électronique aux applications de sécurité, ce jeu de données est une ressource clé favorisant l'innovation en vision par ordinateur pour des applications d'analyse de colis diverses et efficaces.

Entrepôts intelligents et logistique

Dans les entrepôts modernes, les solutions d'IA visuelle peuvent rationaliser les opérations en automatisant l'identification et le tri des colis. Les modèles de vision par ordinateur entraînés sur ce jeu 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 conduit à des temps de traitement plus rapides, une réduction des erreurs et une efficacité globale améliorée dans les opérations logistiques.

Contrôle qualité et détection des dommages

Les modèles de segmentation de colis peuvent être utilisés pour identifier les colis endommagés en analysant leur forme et leur apparence. En détectant les irrégularités ou les déformations dans les contours des colis, ces modèles aident à garantir que seuls les colis intacts circulent dans la chaîne d'approvisionnement, réduisant ainsi les plaintes des clients et les taux de retour. C'est un aspect clé du contrôle qualité dans la fabrication et c'est vital pour maintenir l'intégrité du produit.

YAML du jeu de données

Un fichier YAML (Yet Another Markup Language) définit la configuration du jeu de données, y compris les chemins, les classes et d'autres détails essentiels. Pour le jeu de données de segmentation de colis, le fichier package-seg.yaml est conservé 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 YOLO26n sur le jeu de données de segmentation de colis pendant 100 époques avec une taille d'image de 640, tu peux utiliser les extraits de code suivants. Pour une liste complète des arguments disponibles, consulte la page Entraînement du modèle.

Exemple d'entraînement
from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-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")

Exemples de données et d'annotations

Le jeu de données de segmentation de colis comprend une collection variée d'images capturées sous plusieurs angles. Tu trouveras ci-dessous des exemples de données provenant du jeu de données, accompagnés de leurs masques de segmentation respectifs :

Exemple de jeu de données de segmentation de colis pour la logistique

  • Cette image affiche un exemple de segmentation de colis, présentant des masques annotés soulignant les objets de type colis reconnus. Le jeu de données intègre 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 souligne la diversité et la complexité présentes dans le jeu de données, mettant en évidence l'importance de données de haute qualité pour les tâches de vision par ordinateur impliquant la segmentation de colis.

Avantages de l'utilisation de YOLO26 pour la segmentation de colis

Ultralytics YOLO26 offre plusieurs avantages pour les tâches de segmentation de colis :

  1. Équilibre entre vitesse et précision : YOLO26 atteint une haute précision et une grande efficacité, ce qui le rend idéal pour l'inférence en temps réel dans les environnements logistiques à rythme rapide. Il offre un excellent équilibre par rapport à des modèles comme YOLOv8.

  2. Adaptabilité : Les modèles entraînés avec YOLO26 peuvent s'adapter à diverses conditions d'entrepôt, d'un éclairage faible aux espaces encombrés, assurant ainsi des performances robustes.

  3. Évolutivité : Pendant les périodes de pointe comme les saisons des fêtes, les modèles YOLO26 peuvent s'adapter efficacement pour gérer des volumes de colis accrus sans compromettre les performances ou la précision.

  4. Capacités d'intégration : YOLO26 peut être facilement intégré aux systèmes de gestion d'entrepôt existants et déployé sur diverses plateformes en utilisant des formats comme ONNX ou TensorRT, facilitant ainsi des solutions automatisées de bout en bout.

Citations et remerciements

Si tu intègres le jeu de données de segmentation de colis dans tes initiatives de recherche ou de développement, merci de citer la source de manière appropriée :

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

Nous exprimons notre gratitude aux créateurs du jeu de données de segmentation de colis pour leur contribution à la communauté de la vision par ordinateur. Pour explorer davantage les jeux de données et l'entraînement de modèles, pense à visiter notre page Jeux de données Ultralytics et notre guide sur les conseils d'entraînement de modèles.

FAQ

Qu'est-ce que le jeu de données de segmentation de colis et comment peut-il aider dans les projets de vision par ordinateur ?

  • Le jeu de données de segmentation de colis est une collection organisée d'images adaptées aux tâches impliquant la segmentation d'image de colis. Il inclut diverses images de colis dans des contextes variés, ce qui le rend inestimable pour entraîner et évaluer des modèles de segmentation. Ce jeu de données est particulièrement utile pour les applications dans la logistique, l'automatisation d'entrepôts et tout projet nécessitant une analyse précise des colis.

Comment entraîner un modèle Ultralytics YOLO26 sur le jeu de données de segmentation de colis ?

  • Tu peux entraîner un modèle Ultralytics YOLO26 en utilisant à la fois Python et les méthodes CLI. Utilise les extraits de code fournis dans la section Utilisation. Reporte-toi à la page Entraînement du modèle pour plus de détails sur les arguments et les configurations.

Quels sont les composants du jeu de données de segmentation de colis et comment est-il structuré ?

  • Le jeu de données est structuré en trois composants principaux :
    • Ensemble d'entraînement : contient 1920 images avec annotations.
    • Ensemble de test : composé de 89 images avec leurs annotations correspondantes.
    • Ensemble de validation : inclut 188 images avec annotations.
  • Cette structure garantit un jeu de données équilibré pour un entraînement, une validation et un test approfondis du modèle, en suivant les meilleures pratiques décrites dans les guides d'évaluation de modèles.

Pourquoi devrais-je utiliser Ultralytics YOLO26 avec le jeu de données de segmentation de colis ?

  • Ultralytics YOLO26 offre une précision et une vitesse de pointe pour les tâches de détection d'objets et de segmentation en temps réel. L'utiliser avec le jeu de données de segmentation de colis te permet de tirer parti des capacités de YOLO26 pour une segmentation précise des colis, ce qui est particulièrement avantageux pour des secteurs comme la logistique et l'automatisation d'entrepôts.

Comment puis-je accéder au fichier package-seg.yaml et l'utiliser pour le jeu de données de segmentation de colis ?

Contributors
Modifier la page sur GitHub (EN)
GLglenn-jocher16RIRizwanMunawar4ONonuralpszr1LAlakshanthad1MAMatthewNoyce1JKjk4e1

Commentaires