パッケージセグメンテーションデータセット#

2,197

Package-Seg

ultralytics

publicSegment

Package-Seg contains polygon masks for packages across indoor, warehouse, and logistics-style scenes, including empty background images. It supports package localization and shape segmentation; no named upstream dataset license is published, so redistribution terms should be reviewed.

1 class149.8 MBSep 2, 2026

package

packagesinstance-segmentationlogistics+1

Ultralytics パッケージセグメンテーションデータセットは、単一の package クラスのインスタンスセグメンテーションモデルをトレーニングするための、パッケージのアノテーション付き画像2,197枚を厳選したコレクションです。パッケージの識別、仕分け、取り扱いなど、物流や倉庫自動化のユースケース向けに構築されており、コンピュータービジョンパイプラインでのリアルタイムなパッケージ分析にUltralytics YOLOを直接組み合わせて使用できます。その他のセグメンテーションデータセットについては、データセット概要ページをご覧ください。

データセットの構成#

パッケージセグメンテーションデータセットの2,197枚の画像は、次のように分割されています。

• トレーニングセット: ディープラーニングモデルのトレーニングに使用する画像1,920枚です。
• 検証セット: トレーニング中にハイパーパラメーターの調整と過学習の防止に使用する画像188枚です。
• テストセット: トレーニング後のモデル評価用に取り分けた画像89枚です。
• クラス: アノテーションが付けられたすべてのパッケージを対象とする単一の package クラスです。
• ダウンロードサイズ: ~103 MBです。

アプリケーション#

パッケージセグメンテーションは、物流、ラストマイル配送、製造における品質管理、スマートシティシステムを最適化し、eコマースのフルフィルメントからセキュリティ検査まで幅広い用途に対応します。高精度なパッケージマスクにより、自動化システムは荷物の位置特定、計数、検査をリアルタイムで実行できます。

スマート倉庫と物流#

現代の倉庫では、ビジョンAIソリューションによってパッケージの識別や仕分けを自動化し、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したコンピュータービジョンモデルは、照明が暗い環境や物が散在する空間などの困難な状況でも、パッケージを迅速に検出してリアルタイムでセグメンテーションできます。これにより、物流業務の処理時間が短縮され、エラーが減少し、全体的な効率が向上します。

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、形状や外観を分析して損傷したパッケージを特定できます。パッケージの輪郭にある不規則性や変形を検出することで、これらのモデルは完全な状態のパッケージだけがサプライチェーンを通過するようにし、顧客からの苦情や返品率の低減に役立ちます。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うえで不可欠です。

パッケージセグメンテーションデータセットの完全版は、Ultralytics Platformでも参照および管理できます。

データセット YAML#

YAMLファイルで、パス、クラス、その他の重要な詳細を含むデータセット設定を定義します。パッケージセグメンテーションデータセットでは、package-seg.yaml ファイルがhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yamlで管理されています。

# 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') 188 images
test: images/test # test images (relative to 'path') 89 images

# Classes
names:
  0: package

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/package-seg.zip

使用方法#

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エポックのUltralytics YOLO26nモデルをトレーニングするには、次のコードスニペットを使用します。データセット（~103 MB）は、初回使用時に自動的にダウンロードされます。使用可能な引数の完全な一覧については、モデルのトレーニングページを参照してください。

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")

サンプルデータとアノテーション#

以下は、検出されたパッケージの輪郭を示すセグメンテーションマスクを重ね合わせた、パッケージセグメンテーションデータセットの例です。

このデータセットにはさまざまな場所、環境、パッケージ密度が含まれているため、これを使ってトレーニングしたモデルは、現実の物流シーン全体に汎化するために必要な多様性を学習できます。関連するワークフローについては、セグメンテーションタスクのページをご覧ください。

引用と謝辞#

パッケージセグメンテーションデータセットを研究または開発の取り組みに統合する場合は、適切な方法で出典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 },
    year = { 2024 },
    month = { jan },
    note = { visited on 2024-01-24 },
}

パッケージセグメンテーションデータセットを提供し、コンピュータービジョンコミュニティに貢献した制作者の皆様に感謝いたします。その他のデータセットについては、Ultralyticsデータセットコレクションと、モデルのトレーニングに関するヒントのガイドをご覧ください。

FAQ#