Link to this sectionMedical Pills 데이터셋#

Q: medical-pills 데이터셋의 구조는 어떻게 되어 있습니까?

이 데이터셋에는 학습용 92개 이미지와 검증용 23개 이미지가 포함되어 있습니다. 각 이미지는 pill 클래스로 주석이 달려 있어 제약 분야를 위한 모델의 효과적인 학습과 평가가 가능합니다.

medical-pills 탐지 데이터셋은 제약 분야에서 AI의 잠재력을 입증하기 위해 세심하게 구성된 개념 증명(POC) 데이터셋입니다. 이 데이터셋은 medical-pills를 식별하기 위한 컴퓨터 비전 모델을 학습하도록 특별히 설계된 라벨링된 이미지를 포함합니다.

Watch: How to train Ultralytics YOLO26 Model on Medical Pills Detection Dataset in Google Colab

This dataset serves as a foundational resource for automating essential tasks such as quality control, packaging automation, and efficient sorting in pharmaceutical workflows. By integrating this dataset into projects, researchers and developers can explore innovative solutions that enhance accuracy, streamline operations, and ultimately contribute to improved healthcare outcomes.

Link to this section데이터셋 구조#

medical-pills 데이터셋은 두 개의 하위 집합으로 나뉩니다:

학습 세트(Training set): 92개의 이미지로 구성되어 있으며, 각 이미지는 pill 클래스로 주석이 달려 있습니다.
검증 세트(Validation set): 23개의 이미지와 해당 주석으로 구성됩니다.

Link to this section응용 분야#

medical-pills 탐지에 컴퓨터 비전을 사용하면 제약 산업의 자동화가 가능하며, 다음과 같은 작업을 지원합니다:

제약 분류(Pharmaceutical Sorting): 크기, 모양 또는 색상에 따라 알약을 자동으로 분류하여 생산 효율성을 높입니다.
AI 연구 및 개발: 제약 활용 사례에서 컴퓨터 비전 알고리즘을 개발하고 테스트하기 위한 벤치마크 역할을 합니다.
디지털 재고 시스템: 자동화된 알약 인식 기능을 통합하여 실시간 재고 모니터링 및 보충 계획을 지원하는 스마트 재고 솔루션을 구동합니다.
품질 관리: 결함, 불규칙성 또는 오염을 식별하여 알약 생산의 일관성을 보장합니다.
위조품 탐지: 알려진 표준과 시각적 특성을 비교 분석하여 잠재적인 위조 의약품을 식별하는 데 도움을 줍니다.

Link to this section데이터셋 YAML#

데이터셋의 구조(경로 및 클래스 포함)를 정의하기 위해 YAML 구성 파일이 제공됩니다. medical-pills 데이터셋의 경우, medical-pills.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml에서 확인할 수 있습니다.

ultralytics/cfg/datasets/medical-pills.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Medical-pills dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/medical-pills
# Example usage: yolo train data=medical-pills.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── medical-pills ← downloads here (8.19 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: medical-pills # dataset root dir
train: images/train # train images (relative to 'path') 92 images
val: images/val # val images (relative to 'path') 23 images

# Classes
names:
  0: pill

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

Link to this section사용법#

medical-pills 데이터셋에서 YOLO26n 모델을 640 이미지 크기로 100 에폭(epochs) 동안 학습하려면 다음 예제를 사용하십시오. 자세한 인수는 모델의 학습(Training) 페이지를 참조하십시오.

훈련 예제

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

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

추론 예시

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")

Link to this section샘플 이미지 및 주석#

medical-pills 데이터셋은 다양한 알약을 보여주는 라벨링된 이미지를 특징으로 합니다. 아래는 데이터셋에 포함된 라벨링된 이미지의 예입니다:

Medical-pills 데이터셋 샘플 이미지

모자이크 이미지(Mosaiced Image): 학습 배치로 구성된 모자이크 처리된 데이터셋 이미지가 표시됩니다. 모자이킹은 여러 이미지를 하나로 통합하여 학습 다양성을 높이고 모델 일반화 성능을 향상합니다.

Link to this section다른 데이터셋과의 통합#

더 포괄적인 제약 분석을 위해 medical-pills 데이터셋을 포장 식별을 위한 package-seg와 같은 다른 관련 데이터셋이나, 엔드투엔드 의료 AI 솔루션을 개발하기 위한 brain-tumor와 같은 의료 영상 데이터셋과 결합하는 것을 고려해 보십시오.

Link to this section인용 및 감사의 글#

이 데이터셋은 AGPL-3.0 라이선스 하에 제공됩니다.

연구 또는 개발 작업에 Medical-pills 데이터셋을 사용하는 경우, 언급된 세부 정보를 사용하여 출처를 표기해 주십시오:

인용

@dataset{Jocher_Ultralytics_Datasets_2024,
    author = {Jocher, Glenn and Rizwan, Muhammad},
    license = {AGPL-3.0},
    month = {Dec},
    title = {Ultralytics Datasets: Medical-pills Detection Dataset},
    url = {https://docs.ultralytics.com/datasets/detect/medical-pills/},
    version = {1.0.0},
    year = {2024}
}

Link to this sectionFAQ#