Roboflow Ensemble de données de segmentation des paquets universels

L'ensemble de données sur la segmentation des paquets Roboflow Package Segmentation Dataset est une collection d'images spécialement conçue pour les tâches liées à la segmentation des paquets dans le domaine de la vision par ordinateur. Cet ensemble de données est conçu pour aider les chercheurs, les développeurs et les passionnés qui travaillent sur des projets liés à l'identification, au tri et à la manipulation des paquets.

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://ultralytics.com/assets/package-seg.zip

Utilisation

Pour entraîner le modèle Ultralytics YOLOv8n sur l'ensemble de données Package Segmentation pour 100 époques avec une taille d'image de 640, tu peux utiliser les extraits de code suivants. Pour obtenir une liste complète des arguments disponibles, reporte-toi à la page Entraînement du modèle.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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=yolov8n-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 :

• Cette image montre un exemple de détection d'objets sur une image, avec des boîtes de délimitation annotées et des masques délimitant les objets reconnus. L'ensemble de données comprend une collection variée d'images prises dans des lieux, des environnements et des densités différents. Il constitue une ressource complète pour le développement de modèles spécifiques à cette tâche.
• 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.

Commentaires