Package Segmentation Dataset#

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 Package Segmentation Datasetは、単一のpackageクラスを対象に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、アノテーション付きパッケージ画像2,197枚を集めたデータセットです。荷物の識別、仕分け、取り扱いなど、物流や倉庫自動化の用途を想定して構築されており、コンピュータービジョンパイプラインでリアルタイムにパッケージを分析するため、Ultralytics YOLOと直接組み合わせて使用できます。他のセグメンテーションデータセットについては、データセットの概要ページをご覧ください。

データセットの構成#

Package Segmentation Dataset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1,920枚の画像。
• 検証セット: ハイパーパラメータの調整と過学習の防止のため、トレーニング中に使用する188枚の画像。
• テストセット: トレーニング後のモデル評価用に分離された89枚の画像。
• クラス: アノテーション付きのすべてのパッケージを対象とする単一のpackageクラス。
• ダウンロードサイズ: 約~103 MB。

用途#

パッケージのセグメンテーションは、物流、ラストマイル配送、製造の品質管理、スマートシティシステムを効率化し、EC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。正確なパッケージマスクにより、自動システムは荷物の位置特定、カウント、検査をリアルタイムで行えます。

スマート倉庫と物流#

現代の倉庫では、ビジョンAIソリューションを活用し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、薄暗い照明や雑然とした空間などの難しい環境でも、パッケージをすばやく検出してセグメンテーションできます。その結果、処理時間が短縮され、エラーが減り、物流業務全体の効率が向上します。

品質管理と損傷検出#

パッケージの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な部分や変形を検出することで、損傷のないパッケージだけがサプライチェーンを進むようにし、顧客からの苦情や返品率を減らします。これは製造における品質管理の重要な要素であり、製品の完全性を維持するうえで不可欠です。

Package Segmentation Datasetの全体は、Ultralytics Platformで閲覧・管理することもできます。

データセットYAML#

YAMLファイルでデータセットの設定を定義し、パス、クラス、その他の重要な詳細情報を記述します。Package Segmentation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に保管されています。

# 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#

Ultralytics YOLO26n-segモデルをPackage Segmentationデータセットで、画像サイズ640、100エポックでトレーニングするには、以下のコード例を使用してください。初回使用時にデータセット（約~103 MB）が自動ダウンロードされます。利用可能な引数の一覧については、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

# モデルを読み込む
model = YOLO("yolo26n-seg.pt")  # 事前トレーニング済みのセグメンテーションモデルを読み込みます（トレーニングに推奨）

# Package Segmentationデータセットでモデルをトレーニングします
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# モデルを検証します
results = model.val()

# 画像に対して推論を実行します
results = model("path/to/image.jpg")

サンプルデータとアノテーション#

以下はPackage Segmentation Datasetの例です。セグメンテーションマスクを重ねて表示し、検出されたパッケージの輪郭を示しています。

このデータセットには多様な場所、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、汎化に必要な幅広い実環境の物流シーンを学習できます。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参照してください。

引用と謝辞#

研究または開発プロジェクトにPackage Segmentationデータセットを組み込む場合は、適切な形式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 },
}

Package Segmentationデータセットの制作者の皆様による、コンピュータービジョンコミュニティへの貢献に感謝いたします。他のデータセットについては、Ultralytics Datasetsコレクションとモデルのトレーニングに関するヒントをご覧ください。

よくある質問#