Link to this sectionPackage Segmentation Dataset#

The Ultralytics Package Segmentation Dataset is a curated collection of 2,197 annotated images of packages for training instance segmentation models on a single package class. Built for logistics and warehouse-automation use cases like package identification, sorting, and handling, it pairs directly with Ultralytics YOLO for real-time package analysis in computer vision pipelines. Explore more segmentation datasets on our datasets overview page.

Link to this sectionデータセットの構造#

Package Segmentation Datasetは、2,197枚の画像を以下のように分割しています。

• Training set: 1,920 images used for training the deep learning model.
• 検証セット: トレーニング中にハイパーパラメータを調整し、過学習を防ぐために使用される188枚の画像。
• テストセット: トレーニング後にモデルを評価するために保持されている89枚の画像。
• クラス: すべてのアノテーション済み荷物をカバーする単一のpackageクラス。
• ダウンロードサイズ: 約103 MB。

Link to this sectionアプリケーション#

荷物のセグメンテーションは、物流、ラストワンマイル配送、製造品質管理、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。正確な荷物マスクにより、自動化システムは小包の場所の特定、カウント、検査をリアルタイムで行うことができます。

Link to this sectionスマート倉庫と物流#

現代の倉庫では、ビジョンAIソリューションがパッケージの識別と仕分け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、薄暗い照明や乱雑なスペースなどの困難な環境であっても、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、処理時間の短縮、エラーの削減、および物流業務における全体的な効率の向上が実現します。

Link to this section品質管理と損傷検出#

荷物セグメンテーションモデルは、荷物の形状や外観を解析することで、破損した荷物を特定できます。荷物の輪郭における不規則性や変形を検出することで、これらのモデルは損傷のない荷物のみがサプライチェーンを通過するようにし、顧客からの苦情や返品率を削減します。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。

Package Segmentation Datasetの全データは、Ultralytics Platformでも閲覧および管理できます。

Link to this sectionデータセット YAML#

YAML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ファイルは 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

Link to this section使用方法#

Ultralytics YOLO26nモデルをPackage Segmentationデータセットで100エポック、画像サイズ640でトレーニングするには、以下のコードスニペットを使用してください。データセット（約103 MB）は初回使用時に自動的にダウンロードされます。利用可能な引数の詳細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。

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")

Link to this sectionサンプルデータとアノテーション#

以下は、検出された荷物を輪郭で示し、セグメンテーションマスクを重ね合わせたPackage Segmentation Datasetの例です：

このデータセットは多様な場所、環境、荷物密度を網羅しているため、これを用いてトレーニングされたモデルは、汎用性を高めるために必要なさまざまな現実世界の物流シーンを学習します。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ページを参照してください。

Link to this section引用と謝辞#

研究や開発の取り組みにPackage Segmentationデータセットを統合する場合は、適切に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 },
}

コンピュータビジョンコミュニティへの貢献に対し、Package Segmentationデータセットの作成者に感謝いたします。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および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。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionPackage Segmentation Datasetとは何か、またそれはUltralytics YOLO26でどのように使用されますか？#

The Package Segmentation Dataset is a collection of 2,197 annotated images of packages for training and evaluating instance segmentation models on a single package class. It targets logistics and warehouse-automation applications like package identification, sorting, and quality control, and is used directly with Ultralytics YOLO26 via the package-seg.yaml configuration file.

Link to this sectionPackage Segmentation Datasetには何枚の画像といくつのクラスが含まれていますか？#

データセットは合計2,197枚の画像で構成されており、内訳はトレーニング用1,920枚、検証用188枚、テスト用89枚で、すべて単一のpackageクラスに対してアノテーションが付けられています。完全なアーカイブは、初回使用時に約103 MBの.zipファイルとして自動的にダウンロードされます。

Link to this sectionPackage Segmentation Dataset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？#

Load a pretrained segmentation model (e.g., yolo26n-seg.pt) and train it with the package-seg.yaml configuration using the Python or CLI snippets in the Usage section above. See the Training guide for the full list of available arguments.

Link to this sectionなぜ物流の荷物セグメンテーションにUltralytics YOLO26を使用するのですか？#

YOLO26 provides state-of-the-art accuracy and real-time speed for instance segmentation, letting automated systems detect and sort packages reliably even in dim or cluttered warehouses — see the Applications section above. Trained models export to formats like ONNX and TensorRT for deployment across warehouse hardware.

Link to this sectionPackage Segmentationのデータセット構成ファイルはどこにありますか？#

The package-seg.yaml file, which defines the dataset paths and the single package class, is located in the Ultralytics GitHub repository: package-seg.yaml.