Package Segmentation Dataset#

2,197

Package-Seg

ultralytics

publicSegment

Package-Seg contains polygon masks for packages across indoor, warehouse, and logistics-style scenes, including empty background images. It supports package localization and shape segmentation; no named upstream dataset license is published, so redistribution terms should be reviewed.

1 class149.8 MBSep 2, 2026

package

packagesinstance-segmentationlogistics+1

Le Package Segmentation Dataset d'Ultralytics est un ensemble soigneusement sélectionné de 2 197 images annotées de colis, destiné à entraîner des modèles de segmentation d'instances avec une seule classe package. Conçu pour des cas d'utilisation en logistique et en automatisation des entrepôts, comme l'identification, le tri et la manutention des colis, il fonctionne directement avec Ultralytics YOLO pour analyser les colis en temps réel dans des pipelines de vision par ordinateur. Découvre d'autres jeux de données de segmentation sur notre page de présentation des jeux de données.

Structure du jeu de données#

Les 2 197 images du Package Segmentation Dataset sont réparties comme suit :

• Jeu d'entraînement : 1 920 images utilisées pour entraîner le modèle d'apprentissage profond.
• Jeu de validation : 188 images utilisées pendant l'entraînement pour ajuster les hyperparamètres et éviter le surapprentissage.
• Jeu de test : 89 images mises de côté pour évaluer le modèle après l'entraînement.
• Classes : une seule classe package, qui couvre tous les colis annotés.
• Taille du téléchargement : environ ~103 MB.

Applications#

La segmentation des colis optimise la logistique, la livraison du dernier kilomètre, le contrôle qualité en production et les systèmes des villes intelligentes, avec des applications allant de la préparation des commandes en ligne au contrôle de sécurité. Des masques précis permettent aux systèmes automatisés de localiser, compter et inspecter les colis en temps réel.

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 détectent et segmentent rapidement les colis en temps réel, même dans des environnements difficiles, avec un éclairage faible ou des espaces encombrés. Cela accélère le traitement, réduit les erreurs et améliore l'efficacité globale des opérations logistiques.

Contrôle qualité et détection des dommages#

Les modèles de segmentation des colis peuvent repérer les colis endommagés en analysant leur forme et leur apparence. En détectant les irrégularités ou les déformations de leur contour, ces modèles contribuent à garantir que seuls les colis intacts poursuivent leur parcours dans la chaîne logistique, ce qui réduit les réclamations des clients et les retours. Il s'agit d'un aspect essentiel du contrôle qualité dans la production et d'un élément crucial pour préserver l'intégrité des produits.

Tu peux aussi parcourir et gérer l'intégralité du Package Segmentation Dataset sur Ultralytics Platform.

Fichier YAML du jeu de données#

Un fichier YAML définit la configuration du jeu de données, notamment les chemins d'accès, les classes et d'autres informations essentielles. Pour le jeu de données Package Segmentation, le fichier package-seg.yaml est maintenu à l'adresse 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 (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') 188 images
test: images/test # test images (relative to 'path') 89 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-seg sur le jeu de données Package Segmentation pendant 100 époques, avec une taille d'image de 640, utilise les extraits de code suivants. Le jeu de données (environ ~103 MB) se télécharge automatiquement lors de sa première utilisation. Pour obtenir la liste complète des arguments disponibles, consulte la page d'entraînement du modèle.

from ultralytics import YOLO

# Charger un modèle
model = YOLO("yolo26n-seg.pt")  # charge un modèle de segmentation préentraîné (recommandé pour l'entraînement)

# Entraîne le modèle sur le jeu de données Package Segmentation.
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# Valider le modèle
results = model.val()

# Effectue une inférence sur une image.
results = model("path/to/image.jpg")

Données et annotations d’exemple#

Voici un exemple du Package Segmentation Dataset avec ses masques de segmentation superposés, qui délimitent les colis détectés :

Le jeu de données couvre des lieux, des environnements et des densités de colis variés. Les modèles entraînés sur ces données sont donc exposés à la diversité des scènes logistiques réelles auxquelles ils devront généraliser. Consulte la page sur la tâche de segmentation pour découvrir des workflows associés.

Citations et remerciements#

Si tu intègres le jeu de données Package Segmentation à tes travaux de recherche ou de développement, pense à citer correctement la source :

@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 remercions les créateurs du jeu de données Package Segmentation pour leur contribution à la communauté de la vision par ordinateur. Pour découvrir d'autres jeux de données, consulte la collection de jeux de données Ultralytics ainsi que notre guide sur les conseils pour l'entraînement des modèles.

FAQ#