コンテンツにスキップ

パッケージセグメンテーションデータセット

Colabでパッケージセグメンテーションデータセットを開く

Roboflow Universeで利用可能なPackage Segmentation Datasetは、コンピュータビジョンの分野におけるパッケージセグメンテーションに関連するタスクに特化した、画像のキュレーションされたコレクションです。このデータセットは、主に画像セグメンテーションタスクに焦点を当て、パッケージの識別、ソート、および取り扱いに関するプロジェクトに取り組む研究者、開発者、および愛好家を支援するように設計されています。



見る: Ultralytics YOLO26を使用したパッケージsegmentモデルのトレーニング | 産業用パッケージ 🎉

さまざまなコンテキストと環境における多様なパッケージを示す画像を含むこのデータセットは、セグメンテーションモデルのトレーニングと評価のための貴重なリソースとして役立ちます。ロジスティクス、倉庫の自動化、または正確なパッケージ分析を必要とするあらゆるアプリケーションに従事している場合でも、Package Segmentation Datasetは、コンピュータービジョンアルゴリズムのパフォーマンスを向上させるための、的を絞った包括的な画像セットを提供します。セグメンテーションタスク用のデータセットの詳細は、データセットの概要ページをご覧ください。

データセットの構造

Package Segmentation Dataset内のデータの分布は、次のように構成されています。

  • トレーニングセット：対応するアノテーションを伴う1920の画像を網羅しています。
  • Testing set: それぞれのアノテーションとペアになった89枚の画像で構成されています。
  • Validation set（検証用データセット）: 各画像に対応するアノテーションを含む188枚の画像で構成されます。

アプリケーション

Package Segmentation Datasetによって促進されるパッケージのセグメンテーションは、ロジスティクスの最適化、ラストワンマイル配送の強化、製造品質管理の向上、スマートシティソリューションへの貢献に不可欠です。Eコマースからセキュリティアプリケーションまで、このデータセットは重要なリソースであり、多様で効率的なパッケージ分析アプリケーションのためのコンピュータビジョンの革新を促進します。

スマート倉庫とロジスティクス

現代の倉庫では、ビジョンAIソリューションがパッケージの識別と選別を自動化することで、業務を効率化できます。このデータセットでトレーニングされたコンピュータービジョンモデルは、薄暗い照明や散らかった空間といった困難な環境でも、パッケージをリアルタイムで迅速にdetectし、segmentできます。これにより、処理時間の短縮、エラーの削減、およびロジスティクス業務全体の効率向上につながります。

品質管理と損傷検出

パッケージセグメンテーションモデルは、形状と外観を分析することにより、破損したパッケージを識別するために使用できます。パッケージのアウトラインの不規則性または変形を検出することにより、これらのモデルは、損傷のないパッケージのみがサプライチェーンを通過するようにし、顧客からの苦情と返品率を削減するのに役立ちます。これは、製造における品質管理の重要な側面であり、製品の完全性を維持するために不可欠です。

データセット YAML

YAML（Yet Another Markup Language）ファイルは、パス、クラス、その他の重要な詳細を含むデータセット構成を定義します。Package Segmentationデータセットの場合、 package-seg.yaml fileは以下で管理されています: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

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') 89 images
test: images/test # 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

使用法

パッケージセグメンテーションデータセットで、画像サイズ640、100エポックでUltralytics YOLO26nモデルをトレーニングするには、以下のコードスニペットを使用できます。利用可能な引数の包括的なリストについては、モデルのトレーニングページを参照してください。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load a pretrained segmentation model (recommended for training)

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

# Validate the model
results = model.val()

# Perform inference on an image
results = model("path/to/image.jpg")

# Load a pretrained segmentation model and start training
yolo segment train data=package-seg.yaml model=yolo26n-seg.pt epochs=100 imgsz=640

# Resume training from the last checkpoint
yolo segment train data=package-seg.yaml model=path/to/last.pt resume=True

# Validate the trained model
yolo segment val data=package-seg.yaml model=path/to/best.pt

# Perform inference using the trained model
yolo segment predict model=path/to/best.pt source=path/to/image.jpg

サンプルデータとアノテーション

Package Segmentationデータセットは、複数の視点からキャプチャされた画像の多様なコレクションで構成されています。以下は、データセットからのデータのインスタンスと、それぞれのセグメンテーションマスクです。

物流向けパッケージセグメンテーションデータセットサンプル

  • この画像は、認識されたパッケージオブジェクトを概説する注釈付きマスクを特徴とする、パッケージセグメンテーションのインスタンスを示しています。このデータセットには、さまざまな場所、環境、密度で撮影された画像の多様なコレクションが組み込まれています。これは、このセグメンテーションタスクに特化したモデルを開発するための包括的なリソースとして機能します。
  • この例は、データセットに存在する多様性と複雑さを強調しており、パッケージセグメンテーションを含むコンピュータビジョンタスクにおける高品質データの重要性を強調しています。

パッケージsegmentにYOLO26を使用する利点

Ultralytics YOLO26 は、パッケージセグメンテーションタスクにおいていくつかの利点を提供します。

  1. 速度と精度のバランス: YOLO26 は高い精度と効率を達成し、高速な物流環境におけるリアルタイム推論に最適です。YOLOv8 のようなモデルと比較して、強力なバランスを提供します。

  2. 適応性: YOLO26 でトレーニングされたモデルは、薄暗い照明から散らかった空間まで、様々な倉庫環境に適応でき、堅牢なパフォーマンスを保証します。

  3. スケーラビリティ: ホリデーシーズンなどのピーク時でも、YOLO26 モデルはパフォーマンスや精度を損なうことなく、増加するパッケージ量に効率的に対応できます。

  4. 統合機能: YOLO26 は既存の倉庫管理システムと容易に統合でき、ONNX や TensorRT のようなフォーマットを使用して様々なプラットフォームに展開できるため、エンドツーエンドの自動化ソリューションを促進します。

引用と謝辞

Package Segmentationデータセットを研究開発に組み込む場合は、適切にソースを引用してください。

@misc{ factory_package_dataset,
    title = { factory_package Dataset },
    type = { Open Source Dataset },
    author = { factorypackage },
    url = { https://universe.roboflow.com/factorypackage/factory_package },
    journal = { Roboflow Universe },
    publisher = { Roboflow },
    year = { 2024 },
    month = { jan },
    note = { visited on 2024-01-24 },
}

コンピュータビジョンコミュニティへの貢献として、Package Segmentationデータセットの作成者に感謝の意を表します。データセットとモデルトレーニングの詳細については、Ultralyticsデータセットページとモデルトレーニングのヒントに関するガイドをご覧ください。

よくある質問

Package Segmentation Datasetとは何ですか？また、これはコンピュータビジョンプロジェクトでどのように役立ちますか？

  • Package Segmentation Datasetは、パッケージの画像セグメンテーションに関するタスクに合わせて調整された画像のキュレーションされたコレクションです。さまざまなコンテキストにおけるパッケージの多様な画像が含まれており、セグメンテーションモデルのトレーニングと評価に非常に役立ちます。このデータセットは、ロジスティクス、倉庫の自動化、および正確なパッケージ分析を必要とするあらゆるプロジェクトのアプリケーションに特に役立ちます。

パッケージsegmentデータセットでUltralytics YOLO26モデルをトレーニングするにはどうすればよいですか？

  • Ultralytics YOLO26 モデルは、PythonとCLIの両方の方法を使用してトレーニングできます。使用法セクションで提供されているコードスニペットを使用してください。引数と構成に関する詳細については、モデルのトレーニングページを参照してください。

Package Segmentation Datasetの構成要素は何ですか？また、その構造はどうなっていますか？

  • このデータセットは、主に3つの要素で構成されています。
    • トレーニングセット：アノテーションを含む1920の画像が含まれています。
    • Testing set: 対応するアノテーションを含む89枚の画像で構成されています。
    • Validation set（検証用データセット）: アノテーション付きの188枚の画像が含まれます。
  • この構造は、モデル評価ガイドに概説されているベストプラクティスに従い、徹底的なモデルトレーニング、検証、およびテストのためのバランスの取れたデータセットを保証します。

パッケージsegmentデータセットでUltralytics YOLO26を使用すべき理由は何ですか？

  • Ultralytics YOLO26 は、リアルタイムの物体検出およびセグメンテーションタスクにおいて、最先端の精度と速度を提供します。パッケージセグメンテーションデータセットと組み合わせて使用することで、YOLO26 の正確なパッケージセグメンテーション機能を活用でき、これは物流や倉庫自動化のような産業にとって特に有益です。

Package Segmentation Datasetのpackage-seg.yamlファイルにアクセスして使用するにはどうすればよいですか？

  • The package-seg.yaml ファイルはUltralyticsのGitHubリポジトリでホストされており、データセットのパス、クラス、および構成に関する重要な情報が含まれています。表示またはダウンロードは以下から可能です。 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yamlこのファイルは、データセットを効率的に利用するようにモデルを構成するために重要です。詳細な情報と実践的な例については、こちらをご覧ください。 Pythonの使用方法 セクションをご参照ください。


📅 2年前に作成 ✏️ 7日前に更新
glenn-jocherRizwanMunawarUltralyticsAssistantlakshanthadMatthewNoycejk4eRizwanMunawar

コメント