パッケージセグメンテーションデータセット
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 YOLO11 を使用した学習パッケージセグメンテーションモデル | 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 ソリューションは、パッケージの識別と仕分けを自動化することにより、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ビジョンモデルは、薄暗い照明や散らかったスペースなどの困難な環境でも、リアルタイムでパッケージを迅速に検出およびセグメント化できます。これにより、処理時間が短縮され、エラーが減少し、ロジスティクス業務全体の効率が向上します。
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
画像サイズが640のPackage SegmentationデータセットでUltralytics YOLO11nモデルを100エポック学習させるには、次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("yolo11n-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=yolo11n-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。
- 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。
パッケージセグメンテーションにYOLO11を使用する利点
Ultralytics YOLO11は、パッケージセグメンテーションタスクにいくつかの利点を提供します。
-
速度と精度のバランス:YOLO11は、高い精度と効率を実現しており、ペースの速い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、優れたバランスを提供します。
-
適応性: YOLO11でトレーニングされたモデルは、薄暗い照明から雑然とした空間まで、さまざまな倉庫の状況に適応でき、堅牢なパフォーマンスを保証します。
-
スケーラビリティ: ホリデーシーズンなどのピーク時には、YOLO11モデルはパフォーマンスや精度を損なうことなく、増加する荷物量に対応するために効率的にスケールできます。
-
統合機能:YOLO11は、既存の倉庫管理システムと容易に統合でき、ONNXやTensorRTなどの形式を使用してさまざまなプラットフォームにデプロイできるため、エンドツーエンドの自動化ソリューションが促進されます。
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。
Package Segmentation DatasetでUltralytics YOLO11モデルをトレーニングするにはどうすればよいですか?
- PythonとCLIの両方のメソッドを使用して、Ultralytics YOLO11モデルをトレーニングできます。Usage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。引数と構成の詳細については、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。
Package Segmentation Dataset で Ultralytics YOLO11 を使用する利点は何ですか?
- Ultralytics YOLO11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。Package Segmentation Datasetと組み合わせて使用すると、YOLO11の機能を活用して正確なパッケージセグメンテーションを実現できます。これは、ロジスティクスや倉庫の自動化などの業界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。