コンテンツへスキップ

Roboflow ユニバース・パッケージ・セグメンテーション・データセット

The Roboflow Package Segmentation Dataset is a curated collection of images specifically tailored for tasks related to package segmentation in the field of computer vision. This dataset is designed to assist researchers, developers, and enthusiasts working on projects related to package identification, sorting, and handling.

このデータセットには、さまざまなコンテキストや環境におけるさまざまなパッケージを紹介する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や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、倉庫オートメーション、または精密なパッケージ解析を必要とするアプリケーションのいずれにおいても、Package Segmentation Datasetは、コンピュータ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。

データセット構造

パッケージ・セグメンテーション・データセットのデータの分布は以下のような構造になっている：

  • トレーニングセット：1920枚の画像とそれに対応する注釈。
  • テストセット：89枚の画像で構成され、各画像はそれぞれのアノテーションと対になっている。
  • 検証セット：188の画像からなり、それぞれに対応する注釈が付されている。

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、ラストマイル配送の強化、製造品質管理の改善、スマートシティソリューションへの貢献にとって極めて重要です。電子商取引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技術革新を促進します。

データセット YAML

YAML (Yet Another Markup Language) ファイルはデータセットの設定を定義するために使われる。このファイルには、データセットのパスやクラス、その他の関連情報が含まれています。パッケージセグメンテーションデータセットの場合は package-seg.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

ultralytics/cfg/datasets/package-seg.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 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 (102 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: ../datasets/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: test/images # 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

使用方法

To train Ultralytics YOLO11n model on the Package Segmentation dataset for 100 epochs with an image size of 640, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

列車の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

サンプルデータと注釈

パッケージ・セグメンテーション・データセットは、複数の視点から撮影された様々な画像や動画から構成されている。以下は、このデータセットに含まれるデータの例であり、それぞれの注釈が添えられている：

データセットサンプル画像

  • This image displays an instance of image object detection, featuring annotated bounding boxes with masks outlining recognized objects. The dataset incorporates a diverse collection of images taken in different locations, environments, and densities. It serves as a comprehensive resource for developing models specific to this task.
  • この例は、VisDroneデータセットに存在する多様性と複雑性を強調し、ドローンを含むコンピュータビジョンタスクにおける高品質センサーデータの重要性を強調している。

引用と謝辞

クラック・セグメンテーション・データセットを研究または開発イニシアティブに統合する場合は、以下の論文を引用してください：

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

ロジスティクスと研究プロジェクトのための貴重な資産であるPackage Segmentationデータセットの作成と維持に尽力してくださったRoboflow チームに感謝の意を表します。Package Segmentationデータセットとその作成者についての詳細は，Package Segmentation Dataset Pageをご覧ください．

よくあるご質問

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

Roboflow Package Segmentation Datasetは、パッケージのセグメンテーションを含むタスク用にカスタマイズされた画像のコレクションです。このデータセットには、さまざまなコンテクストのパッケージの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や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、倉庫オートメーション、および精密なパッケージ解析を必要とするあらゆるプロジェクトでのアプリケーションに特に役立ちます。ロジスティクスを最適化し、正確なパッケージ識別と仕分けのためのビジョンモデルを強化するのに役立ちます。

How do I train an Ultralytics YOLO11 model on the Package Segmentation Dataset?

You can train an Ultralytics YOLO11n model using both Python and CLI methods. Use the snippets below:

列車の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model

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

# Start training from a pretrained *.pt model
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

詳しくはモデル・トレーニングのページをご覧ください。

パッケージ・セグメンテーション・データセットの構成要素とその構造は？

The dataset is structured into three main components:

  • Training set: Contains 1920 images with annotations.
  • Testing set: Comprises 89 images with corresponding annotations.
  • Validation set: Includes 188 images with annotations.

この構造により、モデルのトレーニング、検証、テストを徹底的に行うためのバランスのとれたデータセットが確保され、セグメンテーションアルゴリズムの性能が向上する。

Why should I use Ultralytics YOLO11 with the Package Segmentation Dataset?

Ultralytics YOLO11 provides state-of-the-art accuracy and speed for real-time object detection and segmentation tasks. Using it with the Package Segmentation Dataset allows you to leverage YOLO11's capabilities for precise package segmentation. This combination is especially beneficial for industries like logistics and warehouse automation, where accurate package identification is critical. For more information, check out our page on YOLO11 segmentation.

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？

について package-seg.yaml ファイルはUltralytics' 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、設定に関する重要な情報が含まれています。ダウンロードは これ.このファイルは、データセットを効率的に利用するためにモデルを設定するのに非常に重要である。

より詳細な洞察と実践的な例については、使用法のセクションをご覧ください。


📅 Created 8 months ago ✏️ Updated 12 days ago
ウルトラリティクス・アシスタント グレン・ヨッハー MatthewNoyce リズワン・ムナワール jk4e

コメント