Roboflow यूनिवर्स कार्पार्ट्स सेगमेंटेशन डेटासेट

वही Roboflowकारपार्ट्स सेगमेंटेशन डेटासेट कंप्यूटर दृष्टि अनुप्रयोगों के लिए डिज़ाइन की गई छवियों और वीडियो का एक क्यूरेटेड संग्रह है, विशेष रूप से कार भागों से संबंधित विभाजन कार्यों पर ध्यान केंद्रित करता है। यह डेटासेट कई दृष्टिकोणों से कैप्चर किए गए दृश्यों का एक विविध सेट प्रदान करता है, जो प्रशिक्षण और परीक्षण विभाजन मॉडल के लिए मूल्यवान एनोटेट उदाहरण पेश करता है।

चाहे आप ऑटोमोटिव अनुसंधान पर काम कर रहे हों, वाहन रखरखाव के लिए एआई समाधान विकसित कर रहे हों, या कंप्यूटर विज़न अनुप्रयोगों की खोज कर रहे हों, कार्पार्ट्स सेगमेंटेशन डेटासेट आपकी परियोजनाओं में सटीकता और दक्षता बढ़ाने के लिए एक मूल्यवान संसाधन के रूप में कार्य करता है।

सतर्कता: Carparts उदाहरण विभाजन का उपयोग कर Ultralytics चक्रनाभि

डेटासेट संरचना

कार्पार्ट्स सेगमेंटेशन डेटासेट के भीतर डेटा वितरण नीचे उल्लिखित के रूप में व्यवस्थित है:

• प्रशिक्षण सेट: इसमें 3156 छवियां शामिल हैं, प्रत्येक इसके संबंधित एनोटेशन के साथ।
• परीक्षण सेट: 276 छवियों को शामिल करता है, प्रत्येक को इसके संबंधित एनोटेशन के साथ जोड़ा जाता है।
• सत्यापन सेट: 401 छवियों से मिलकर बनता है, प्रत्येक में संबंधित एनोटेशन होते हैं।

अनुप्रयोगों

कारपार्ट्स सेगमेंटेशन ऑटोमोटिव गुणवत्ता नियंत्रण, ऑटो मरम्मत, ई-कॉमर्स कैटलॉगिंग, यातायात निगरानी, स्वायत्त वाहन, बीमा प्रसंस्करण, रीसाइक्लिंग और स्मार्ट सिटी पहल में आवेदन पाता है। यह विभिन्न वाहन घटकों को सटीक रूप से पहचानने और वर्गीकृत करके प्रक्रियाओं को सुव्यवस्थित करता है, विभिन्न उद्योगों में दक्षता और स्वचालन में योगदान देता है।

डेटासेट YAML

डेटासेट कॉन्फ़िगरेशन को परिभाषित करने के लिए एक YAML (अभी तक एक और मार्कअप भाषा) फ़ाइल का उपयोग किया जाता है। इसमें डेटासेट के पथ, कक्षाओं और अन्य प्रासंगिक जानकारी के बारे में जानकारी होती है। पैकेज सेगमेंटेशन डेटासेट के मामले में, carparts-seg.yaml फ़ाइल पर बनाए रखा जाता है https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 license
# Carparts-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/carparts-seg/
# Example usage: yolo train data=carparts-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── carparts-seg  ← downloads here (132 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/carparts-seg # dataset root dir
train: train/images # train images (relative to 'path') 3516 images
val: valid/images # val images (relative to 'path') 276 images
test: test/images # test images (relative to 'path') 401 images

# Classes
names:
  0: back_bumper
  1: back_door
  2: back_glass
  3: back_left_door
  4: back_left_light
  5: back_light
  6: back_right_door
  7: back_right_light
  8: front_bumper
  9: front_door
  10: front_glass
  11: front_left_door
  12: front_left_light
  13: front_light
  14: front_right_door
  15: front_right_light
  16: hood
  17: left_mirror
  18: object
  19: right_mirror
  20: tailgate
  21: trunk
  22: wheel

# Download script/URL (optional)
download: https://ultralytics.com/assets/carparts-seg.zip

उपयोग

प्रशिक्षित करने के लिए Ultralytics YOLOv8n 640 के छवि आकार वाले 100 युगों के लिए Carparts विभाजन डेटासेट पर मॉडल, आप निम्न कोड स्निपेट का उपयोग कर सकते हैं। उपलब्ध तर्कों की व्यापक सूची के लिए, मॉडल प्रशिक्षण पृष्ठ देखें।

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='carparts-seg.yaml', epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=carparts-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640

नमूना डेटा और एनोटेशन

Carparts Segmentation डेटासेट में विभिन्न दृष्टिकोणों से ली गई छवियों और वीडियो की एक विविध सरणी शामिल है। नीचे, आपको डेटासेट से डेटा के उदाहरण उनके संबंधित एनोटेशन के साथ मिलेंगे:

• यह छवि एक नमूने के भीतर ऑब्जेक्ट सेगमेंटेशन को दर्शाती है, जिसमें पहचान की गई वस्तुओं के आसपास मास्क के साथ एनोटेट बाउंडिंग बॉक्स हैं। डेटासेट में विभिन्न स्थानों, वातावरणों और घनत्वों में कैप्चर की गई छवियों का एक विविध सेट होता है, जो इस कार्य के लिए विशिष्ट मॉडल तैयार करने के लिए एक व्यापक संसाधन के रूप में कार्य करता है।
• यह उदाहरण डेटासेट में निहित विविधता और जटिलता पर प्रकाश डालता है, कंप्यूटर दृष्टि कार्यों में उच्च गुणवत्ता वाले डेटा की महत्वपूर्ण भूमिका पर जोर देता है, विशेष रूप से कार भागों विभाजन के दायरे में।

प्रशंसा पत्र और पावती

यदि आप Carparts Segmentation डेटासेट को अपने शोध या विकास परियोजनाओं में एकीकृत करते हैं, तो कृपया निम्नलिखित पेपर का संदर्भ लें:

   @misc{ car-seg-un1pm_dataset,
        title = { car-seg Dataset },
        type = { Open Source Dataset },
        author = { Gianmarco Russo },
        howpublished = { \url{ https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm } },
        url = { https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm },
        journal = { Roboflow Universe },
        publisher = { Roboflow },
        year = { 2023 },
        month = { nov },
        note = { visited on 2024-01-24 },
    }

हम इसके लिए अपना धन्यवाद देते हैं Roboflow कार्पार्ट्स सेगमेंटेशन डेटासेट के विकास और प्रबंधन में उनके समर्पण के लिए टीम, वाहन रखरखाव और अनुसंधान परियोजनाओं के लिए एक मूल्यवान संसाधन। Carparts Segmentation डेटासेट और इसके रचनाकारों के बारे में अतिरिक्त विवरण के लिए, कृपया CarParts Segmentation Dataset पृष्ठ पर जाएँ।

टिप्पणियाँ