차량 부품 분할 데이터 세트
컴퓨터 비전 애플리케이션, 특히 분할 작업에 중점을 두고 설계된 이미지 및 비디오의 선별된 컬렉션인 Roboflow Universe에서 Carparts Segmentation 데이터 세트를 사용할 수 있습니다. Roboflow Universe에서 호스팅되는 이 데이터 세트는 여러 관점에서 캡처한 다양한 시각적 개체를 제공하여 분할 모델을 훈련하고 테스트하기 위한 귀중한 주석 처리된 예제를 제공합니다.
자동차 연구를 수행하든, 차량 유지 관리를 위한 AI 솔루션을 개발하든, 컴퓨터 비전 애플리케이션을 탐색하든, Carparts Segmentation Dataset은 정확도를 향상시키는 데 유용한 리소스 역할을 합니다. Ultralytics YOLO와 같은 모델을 사용하여 프로젝트의 효율성을 높입니다.
참고: 차량 부품 인스턴스 분할 Ultralytics YOLO11을 사용합니다.
데이터 세트 구조
Carparts 분할 데이터 세트 내의 데이터 분포는 다음과 같이 구성됩니다:
- 학습 데이터 세트: 각 이미지에 해당하는 어노테이션이 함께 제공되는 3156개의 이미지를 포함합니다. 이 세트는 딥러닝 모델 학습에 사용됩니다.
- 테스트 세트: 각각 해당 주석과 쌍을 이루는 276개의 이미지로 구성됩니다. 이 세트는 테스트 데이터를 사용하여 훈련한 후 모델의 성능을 평가하는 데 사용됩니다.
- Validation set: 각각 해당 어노테이션을 갖는 401개의 이미지로 구성됩니다. 이 세트는 하이퍼파라미터를 조정하고 검증 데이터를 사용하여 과적합을 방지하기 위해 훈련 중에 사용됩니다.
응용 분야
차량 부품 분할은 다음을 포함한 다양한 영역에서 응용 프로그램을 찾습니다.
- 자동차 품질 관리: 제조 중 자동차 부품의 결함 또는 불일치를 식별합니다(제조 분야의 AI).
- 자동 수리: 수리 또는 교체를 위해 부품을 식별하는 데 정비공을 지원합니다.
- 전자 상거래 카탈로그 작성: 전자 상거래 플랫폼을 위해 온라인 스토어에서 자동차 부품을 자동으로 태깅하고 분류합니다.
- 교통 모니터링: 교통 감시 영상에서 차량 구성 요소를 분석합니다.
- 자율 주행 차량: 주변 차량을 더 잘 이해할 수 있도록 자율 주행 자동차의 인식 시스템을 향상시킵니다.
- 보험 처리: 보험 청구 시 영향을 받은 차량 부품을 식별하여 손해 사정을 자동화합니다.
- 재활용: 효율적인 재활용 공정을 위해 차량 부품을 분류합니다.
- 스마트 시티 이니셔티브: 스마트 시티 내의 도시 계획 및 교통 관리 시스템을 위한 데이터 제공.
다양한 차량 부품을 정확하게 식별하고 분류함으로써 자동차 부품 분할은 프로세스를 간소화하고 이러한 산업 전반에서 효율성과 자동화 향상에 기여합니다.
데이터세트 YAML
A YAML (Yet Another Markup Language) 파일은 경로, 클래스 이름 및 기타 필수 세부 정보를 포함한 데이터 세트 구성을 정의합니다. Carparts Segmentation 데이터 세트의 경우, carparts-seg.yaml
파일은 다음 위치에서 사용할 수 있습니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yamlYAML 형식에 대한 자세한 내용은 다음에서 확인할 수 있습니다. yaml.org.
ultralytics/cfg/datasets/carparts-seg.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# Carparts-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/carparts-seg/
# Example usage: yolo train data=carparts-seg.yaml
# parent
# ├── ultralytics
# └── datasets
# └── carparts-seg ← downloads here (133 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: carparts-seg # dataset root dir
train: images/train # train images (relative to 'path') 3516 images
val: images/val # val images (relative to 'path') 276 images
test: images/test # test images (relative to 'path') 401 images
# Classes
names:
0: back_bumper
1: back_door
2: back_glass
3: back_left_door
4: back_left_light
5: back_light
6: back_right_door
7: back_right_light
8: front_bumper
9: front_door
10: front_glass
11: front_left_door
12: front_left_light
13: front_light
14: front_right_door
15: front_right_light
16: hood
17: left_mirror
18: object
19: right_mirror
20: tailgate
21: trunk
22: wheel
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/carparts-seg.zip
사용법
이미지 크기를 640으로 설정하고 Carparts Segmentation 데이터 세트에서 Ultralytics YOLO11 모델을 100 epoch 동안 학습하려면 다음 코드 스니펫을 사용하십시오. 사용 가능한 전체 인수 목록은 모델 학습 가이드를 참조하고, 모범 사례는 모델 학습 팁을 살펴보십시오.
훈련 예제
from ultralytics import YOLO
# Load a pretrained segmentation model like YOLO11n-seg
model = YOLO("yolo11n-seg.pt") # load a pretrained model (recommended for training)
# Train the model on the Carparts Segmentation dataset
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)
# After training, you can validate the model's performance on the validation set
results = model.val()
# Or perform prediction on new images or videos
results = model.predict("path/to/your/image.jpg")
# Start training from a pretrained *.pt model using the Command Line Interface
# Specify the dataset config file, model, number of epochs, and image size
yolo segment train data=carparts-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640
# Validate the trained model using the validation set
# yolo segment val model=path/to/best.pt
# Predict using the trained model on a specific image source
# yolo segment predict model=path/to/best.pt source=path/to/your/image.jpg
샘플 데이터 및 주석
Carparts Segmentation 데이터 세트에는 다양한 관점에서 캡처한 다양한 이미지와 비디오가 포함되어 있습니다. 다음은 데이터와 해당 주석을 보여주는 예입니다.
- 이 이미지는 자동차 이미지 샘플 내에서 객체 분할을 보여줍니다. 마스크가 있는 어노테이션 처리된 바운딩 박스는 식별된 자동차 부품(예: 헤드라이트, 그릴)을 강조 표시합니다.
- 데이터 세트는 다양한 조건(위치, 조명, 객체 밀도)에서 캡처한 다양한 이미지를 특징으로 하여 강력한 자동차 부품 분할 모델을 훈련하기 위한 포괄적인 리소스를 제공합니다.
- 이 예는 데이터 세트의 복잡성과 컴퓨터 비전 작업, 특히 자동차 부품 분석과 같은 특수 도메인에서 고품질 데이터의 중요성을 강조합니다. 데이터 증강과 같은 기술은 모델 일반화를 더욱 향상시킬 수 있습니다.
인용 및 감사의 말씀
연구 또는 개발 노력에 Carparts Segmentation 데이터 세트를 활용하는 경우, 원본 소스를 인용해 주십시오.
@misc{ car-seg-un1pm_dataset,
title = { car-seg Dataset },
type = { Open Source Dataset },
author = { Gianmarco Russo },
url = { https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm },
journal = { Roboflow Universe },
publisher = { Roboflow },
year = { 2023 },
month = { nov },
note = { visited on 2024-01-24 },
}
컴퓨터 비전 커뮤니티를 위해 이 귀중한 데이터 세트를 만들고 유지 관리하는 데 기여한 Gianmarco Russo와 Roboflow 팀에게 감사를 표합니다. 더 많은 데이터 세트를 보려면 Ultralytics 데이터 세트 컬렉션을 방문하십시오.
FAQ
Carparts 분할 데이터 세트는 무엇입니까?
Carparts Segmentation 데이터 세트는 자동차 부품에 대한 분할을 수행하기 위해 컴퓨터 비전 모델을 훈련하기 위한 특수 이미지 및 비디오 모음입니다. 자동차 AI 애플리케이션에 적합한 자세한 주석이 포함된 다양한 시각 자료가 포함되어 있습니다.
Ultralytics YOLO11에서 Carparts Segmentation Dataset을 어떻게 사용할 수 있습니까?
다음으로 훈련할 수 있습니다. Ultralytics YOLO11 이 데이터 세트를 사용하여 분할 모델을 만듭니다. 사전 훈련된 모델을 로드합니다(예: yolo11n-seg.pt
)을 참조하여 제공된 Python 또는 CLI 예제를 사용하여 학습을 시작합니다. carparts-seg.yaml
구성 파일입니다. 다음을 확인하십시오. 학습 가이드 자세한 내용은 지침을 참조하십시오.
학습 예제 스니펫
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="carparts-seg.yaml", epochs=100, imgsz=640)
yolo segment train data=carparts-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640
차량 부품 분할의 응용 분야는 무엇입니까?
차량 부품 분할은 다음에 유용합니다.
- 자동차 품질 관리: 부품이 표준을 충족하는지 확인합니다(제조 분야의 AI).
- 자동 수리: 서비스가 필요한 부품을 식별합니다.
- 전자 상거래: 온라인 부품 카탈로그 작성.
- 자율 주행 차량: 차량 인식 개선(자동차 AI).
- 보험: 차량 손상 자동 평가.
- 재활용: 부품을 효율적으로 분류합니다.
Carparts Segmentation 데이터 세트에 대한 데이터 세트 구성 파일은 어디에서 찾을 수 있습니까?
데이터 세트 구성 파일, carparts-seg.yaml
은(는) 데이터 세트 경로 및 클래스에 대한 세부 정보가 포함되어 있으며 Ultralytics GitHub 저장소에 있습니다. carparts-seg.yaml.
Carparts Segmentation Dataset을 사용해야 하는 이유는 무엇인가요?
이 데이터 세트는 자동차 애플리케이션을 위한 정확한 분할 모델을 개발하는 데 중요한 풍부한 주석 데이터를 제공합니다. 다양성은 자동 차량 검사, 안전 시스템 강화 및 자율 주행 기술 지원과 같은 실제 시나리오에서 모델의 견고성과 성능을 향상시키는 데 도움이 됩니다. 이와 같은 고품질의 도메인별 데이터 세트를 사용하면 AI 개발이 가속화됩니다.