Roboflow Pacchetto Universo Segmentazione Dataset
Il set di dati sulla segmentazione dei pacchetti Roboflow Package Segmentation Dataset è una raccolta curata di immagini specificamente studiate per compiti legati alla segmentazione delle confezioni nel campo della computer vision. Questo set di dati è stato progettato per aiutare i ricercatori, gli sviluppatori e gli appassionati che lavorano su progetti relativi all'identificazione, all'ordinamento e alla gestione dei pacchetti.
Contenendo una serie di immagini diverse che mostrano vari imballaggi in contesti e ambienti diversi, il dataset è una risorsa preziosa per l'addestramento e la valutazione dei modelli di segmentazione. Se sei impegnato nella logistica, nell'automazione dei magazzini o in qualsiasi applicazione che richieda un'analisi precisa dei pacchi, il Package Segmentation Dataset fornisce un set di immagini mirato e completo per migliorare le prestazioni dei tuoi algoritmi di computer vision.
Struttura del set di dati
La distribuzione dei dati nel Package Segmentation Dataset è strutturata come segue:
- Set di allenamento: Comprende 1920 immagini accompagnate dalle relative annotazioni.
- Set di test: Consiste in 89 immagini, ciascuna abbinata alle rispettive annotazioni.
- Set di convalida: Comprende 188 immagini, ciascuna con le relative annotazioni.
Applicazioni
La segmentazione degli imballaggi, facilitata dal Package Segmentation Dataset, è fondamentale per ottimizzare la logistica, migliorare la consegna all'ultimo miglio, migliorare il controllo della qualità della produzione e contribuire alle soluzioni per le smart city. Dall'e-commerce alle applicazioni di sicurezza, questo set di dati è una risorsa fondamentale che promuove l'innovazione nella computer vision per applicazioni di analisi dei pacchi diverse ed efficienti.
Set di dati YAML
Un file YAML (Yet Another Markup Language) viene utilizzato per definire la configurazione del dataset. Contiene informazioni sui percorsi del dataset, sulle classi e altre informazioni rilevanti. Nel caso del set di dati Package Segmentation, il file package-seg.yaml Il file viene mantenuto all'indirizzo https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.
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
Utilizzo
Per addestrare il modello Ultralytics YOLOv8n sul dataset Package Segmentation per 100 epoch con una dimensione dell'immagine di 640, puoi utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, consulta la pagina di addestramento del modello.
Esempio di treno
Dati di esempio e annotazioni
Il dataset Package Segmentation comprende una raccolta variegata di immagini e video catturati da diverse prospettive. Di seguito sono riportati alcuni esempi di dati del dataset, accompagnati dalle rispettive annotazioni:
- Questa immagine mostra un esempio di rilevamento di oggetti in un'immagine, con caselle di delimitazione annotate e maschere che delineano gli oggetti riconosciuti. Il set di dati incorpora una collezione diversificata di immagini scattate in luoghi, ambienti e densità differenti. Serve come risorsa completa per sviluppare modelli specifici per questo compito.
- L'esempio sottolinea la diversità e la complessità del set di dati VisDrone, evidenziando l'importanza dei dati dei sensori di alta qualità per le attività di computer vision con i droni.
Citazioni e ringraziamenti
Se integri il set di dati sulla segmentazione delle crepe nelle tue iniziative di ricerca o sviluppo, cita il seguente documento:
@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 },
}
Esprimiamo la nostra gratitudine al team di Roboflow per l'impegno profuso nella creazione e nel mantenimento del dataset Package Segmentation, una risorsa preziosa per la logistica e i progetti di ricerca. Per ulteriori dettagli sul dataset Package Segmentation e sui suoi creatori, visita la pagina del dataset Package Segmentation.
DOMANDE FREQUENTI
Cos'è il Roboflow Package Segmentation Dataset e come può essere utile nei progetti di computer vision?
Il Dataset di Segmentazione dei Pacchetti diRoboflow è una raccolta curata di immagini adatte a compiti di segmentazione dei pacchetti. Include diverse immagini di pacchi in vari contesti, il che lo rende prezioso per l'addestramento e la valutazione dei modelli di segmentazione. Questo set di dati è particolarmente utile per le applicazioni di logistica, automazione dei magazzini e per tutti i progetti che richiedono un'analisi precisa dei pacchi. Aiuta a ottimizzare la logistica e a migliorare i modelli di visione per un'identificazione e uno smistamento accurati dei pacchi.
Come si addestra un modello Ultralytics YOLOv8 sul dataset di segmentazione dei pacchetti?
Puoi addestrare un modello Ultralytics YOLOv8n utilizzando entrambi i metodi Python e CLI . Per Python, usa lo snippet qui sotto:
from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n-seg.pt") # load a pretrained model
# Train the model
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)
Per CLI:
# Start training from a pretrained *.pt model
yolo segment train data=package-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640
Per maggiori dettagli, consulta la pagina Formazione del modello.
Quali sono i componenti del Package Segmentation Dataset e come è strutturato?
Il set di dati è strutturato in tre componenti principali: - Set di allenamento: Contiene 1920 immagini con annotazioni. - Set di test: Comprende 89 immagini con le relative annotazioni. - Set di validazione: Include 188 immagini con annotazioni.
Questa struttura garantisce un set di dati equilibrato per l'addestramento, la validazione e il test del modello, migliorando le prestazioni degli algoritmi di segmentazione.
Perché dovrei utilizzare Ultralytics YOLOv8 con il set di dati di segmentazione dei pacchetti?
Ultralytics YOLOv8 offre una precisione e una velocità all'avanguardia per il rilevamento e la segmentazione degli oggetti in tempo reale. Utilizzandolo con il Package Segmentation Dataset puoi sfruttare le capacità di YOLOv8 per una precisa segmentazione degli imballaggi. Questa combinazione è particolarmente vantaggiosa per settori come la logistica e l'automazione dei magazzini, dove l'identificazione accurata delle confezioni è fondamentale. Per maggiori informazioni, consulta la nostra pagina sulla segmentazione di YOLOv8 .
Come posso accedere e utilizzare il file package-seg.yaml per il Package Segmentation Dataset?
Il package-seg.yaml è ospitato sul repository GitHub di Ultralytics e contiene informazioni essenziali sui percorsi, le classi e la configurazione del dataset. Puoi scaricarlo da qui. Questo file è fondamentale per configurare i modelli in modo da utilizzare il set di dati in modo efficiente.
Per ulteriori approfondimenti ed esempi pratici, esplora la nostra sezione Utilizzo.