Roboflow Ensemble de données de segmentation des paquets universels

The Roboflow Package Segmentation Dataset is a curated collection of images specifically tailored for tasks related to package segmentation in the field of computer vision. This dataset is designed to assist researchers, developers, and enthusiasts working on projects related to package identification, sorting, and handling.

Contenant un ensemble varié d'images présentant divers emballages dans différents contextes et environnements, l'ensemble de données constitue une ressource précieuse pour la formation et l'évaluation des modèles de segmentation. Que tu sois engagé dans la logistique, l'automatisation des entrepôts ou toute autre application nécessitant une analyse précise des colis, l'ensemble de données sur la segmentation des colis fournit un ensemble ciblé et complet d'images permettant d'améliorer les performances de tes algorithmes de vision par ordinateur.

Structure de l'ensemble de données

La répartition des données dans l'ensemble de données sur la segmentation des paquets est structurée comme suit :

• Ensemble de formation: Comprend 1920 images accompagnées de leurs annotations correspondantes.
• Ensemble de test: Consiste en 89 images, chacune jumelée avec ses annotations respectives.
• Jeu de validation: Comprend 188 images, chacune avec les annotations correspondantes.

Applications

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

Jeu de données YAML

Un fichier YAML (Yet Another Markup Language) est utilisé pour définir la configuration du jeu de données. Il contient des informations sur les chemins d'accès au dataset, les classes et d'autres informations pertinentes. Dans le cas du jeu de données Package Segmentation, le fichier YAML est un fichier de configuration. package-seg.yaml est maintenu à https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 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: images/train # train images (relative to 'path') 1920 images
val: images/val # 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

Utilisation

To train Ultralytics YOLO11n model on the Package Segmentation dataset for 100 epochs with an image size of 640, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

from ultralytics import YOLO

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

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

# Start training from a pretrained *.pt model
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

Exemples de données et d'annotations

L'ensemble de données sur la segmentation des paquets comprend une collection variée d'images et de vidéos capturées à partir de multiples perspectives. Tu trouveras ci-dessous des instances de données issues de l'ensemble de données, accompagnées de leurs annotations respectives :

• This image displays an instance of image object detection, featuring annotated bounding boxes with masks outlining recognized objects. The dataset incorporates a diverse collection of images taken in different locations, environments, and densities. It serves as a comprehensive resource for developing models specific to this task.
• Cet exemple met en évidence la diversité et la complexité présentes dans l'ensemble de données VisDrone, soulignant l'importance des données de capteurs de haute qualité pour les tâches de vision par ordinateur impliquant des drones.

Citations et remerciements

Si tu intègres l'ensemble de données sur la segmentation des fissures dans tes initiatives de recherche ou de développement, cite l'article suivant :

@misc{ factory_package_dataset,
    title = { factory_package Dataset },
    type = { Open Source Dataset },
    author = { factorypackage },
    howpublished = { \url{ https://universe.roboflow.com/factorypackage/factory_package } },
    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 à l'équipe de Roboflow pour ses efforts dans la création et la maintenance du jeu de données Package Segmentation, un atout précieux pour la logistique et les projets de recherche. Pour plus de détails sur le jeu de données Package Segmentation et ses créateurs, tu peux consulter la page du jeu de données Package Segmentation.

FAQ

Qu'est-ce que l'ensemble de données de segmentation de paquets Roboflow et comment peut-il aider les projets de vision par ordinateur ?

L'ensemble de données de segmentation d'emballagesRoboflow est une collection d'images conçue pour les tâches impliquant la segmentation d'emballages. Il comprend diverses images d'emballages dans différents contextes, ce qui le rend inestimable pour l'entraînement et l'évaluation des modèles de segmentation. Ce jeu de données est particulièrement utile pour les applications dans le domaine de la logistique, de l'automatisation des entrepôts et pour tout projet nécessitant une analyse précise des colis. Il permet d'optimiser la logistique et d'améliorer les modèles de vision pour une identification et un tri précis des colis.

How do I train an Ultralytics YOLO11 model on the Package Segmentation Dataset?

You can train an Ultralytics YOLO11n model using both Python and CLI methods. Use the snippets below:

from ultralytics import YOLO

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

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

# Start training from a pretrained *.pt model
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

Reporte-toi à la page Formation au modèle pour plus de détails.

Quels sont les composants de l'ensemble de données sur la segmentation des paquets et comment est-il structuré ?

The dataset is structured into three main components:

• Training set: Contains 1920 images with annotations.
• Testing set: Comprises 89 images with corresponding annotations.
• Validation set: Includes 188 images with annotations.

Cette structure garantit un ensemble de données équilibré pour une formation, une validation et un test approfondis du modèle, améliorant ainsi les performances des algorithmes de segmentation.

Why should I use Ultralytics YOLO11 with the Package Segmentation Dataset?

Ultralytics YOLO11 provides state-of-the-art accuracy and speed for real-time object detection and segmentation tasks. Using it with the Package Segmentation Dataset allows you to leverage YOLO11's capabilities for precise package segmentation. This combination is especially beneficial for industries like logistics and warehouse automation, where accurate package identification is critical. For more information, check out our page on YOLO11 segmentation.

Comment puis-je accéder au fichier package-seg.yaml et l'utiliser pour l'ensemble de données de segmentation des paquets ?

Le package-seg.yaml Le fichier est hébergé sur Ultralytics' dépôt GitHub et contient des informations essentielles sur les chemins, les classes et la configuration du jeu de données. Tu peux le télécharger à partir de ici. Ce fichier est crucial pour configurer tes modèles afin d'utiliser efficacement l'ensemble de données.

Pour plus d'idées et d'exemples pratiques, explore notre section Utilisation.

📅 Created 9 months ago ✏️ Updated 22 days ago

Commentaires