Link to this sectionCarparts Segmentation Dataset#

Carparts Segmentation Dataset은 컴퓨터 비전 애플리케이션, 특히 세그멘테이션 작업에 중점을 두고 설계된 이미지 및 비디오의 큐레이션된 모음입니다. 이 데이터셋은 다양한 관점에서 캡처된 풍부한 시각 자료를 제공하며, 세그멘테이션 모델을 학습하고 테스트하기 위한 귀중한 주석이 달린 예제를 제공합니다.

Whether you're working on automotive research, developing AI solutions for vehicle maintenance, or exploring computer vision applications, the Carparts Segmentation Dataset serves as a valuable resource for enhancing the accuracy and efficiency of your projects using models like Ultralytics YOLO.

Link to this section데이터셋 구조#

Carparts Segmentation Dataset 내의 데이터 분포는 다음과 같이 구성되어 있습니다:

• Training set: Includes 3516 images, each accompanied by its corresponding annotations. This set is used for training the deep learning model.
• 테스트 세트(Testing set): 401개의 이미지와 각 이미지에 해당하는 주석으로 구성되어 있습니다. 이 세트는 테스트 데이터를 사용하여 학습 후 모델의 성능을 평가하는 데 사용됩니다.
• Validation set: Consists of 276 images, each having corresponding annotations. This set is used during training to tune hyperparameters and prevent overfitting using validation data.

Link to this section응용 분야#

Carparts Segmentation은 다음을 포함한 다양한 도메인에서 응용됩니다:

• 자동차 품질 관리: 제조 과정 중 자동차 부품의 결함 또는 불일치 식별 (AI in Manufacturing).
• 자동차 수리: 정비사가 수리 또는 교체가 필요한 부품을 식별하도록 지원.
• 전자상거래 카탈로그: 전자상거래 플랫폼용 온라인 스토어에서 자동차 부품을 자동으로 태깅하고 분류.
• 교통 모니터링: 교통 감시 영상에서 차량 구성 요소 분석.
• 자율 주행 차량: 자율 주행 자동차의 인식 시스템을 향상시켜 주변 차량을 더 잘 이해하도록 지원.
• 보험 처리: 보험 청구 시 영향을 받은 자동차 부품을 식별하여 손상 평가 자동화.
• 재활용: 효율적인 재활용 프로세스를 위해 차량 구성 요소를 분류.
• 스마트 시티 이니셔티브: 스마트 시티 내 도시 계획 및 교통 관리 시스템을 위한 데이터 기여.

다양한 차량 구성 요소를 정확하게 식별하고 분류함으로써, Carparts Segmentation은 프로세스를 간소화하고 이러한 산업 전반에 걸쳐 효율성과 자동화를 높이는 데 기여합니다.

Link to this section데이터셋 YAML#

YAML 파일은 경로, 클래스 이름 및 기타 필수 세부 정보를 포함한 데이터셋 구성을 정의합니다. Carparts Segmentation 데이터셋의 경우 carparts-seg.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml에서 확인할 수 있습니다. YAML 형식에 대한 자세한 내용은 yaml.org에서 확인할 수 있습니다.

# 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

Link to this section사용법#

To train an Ultralytics YOLO26 model on the Carparts Segmentation dataset for 100 epochs with an image size of 640, use the following code snippets. Refer to the model Training guide for a comprehensive list of available arguments and explore model training tips for best practices.

from ultralytics import YOLO

# Load a pretrained segmentation model like YOLO26n-seg
model = YOLO("yolo26n-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")

Link to this section샘플 데이터 및 주석#

Carparts Segmentation 데이터셋에는 다양한 관점에서 캡처된 다양한 이미지와 비디오가 포함되어 있습니다. 다음은 데이터와 해당 주석을 보여주는 예시입니다:

• 이 이미지는 자동차 이미지 샘플 내의 객체 세그멘테이션을 보여줍니다. 마스크가 포함된 주석이 달린 바운딩 박스는 식별된 자동차 부품(예: 헤드라이트, 그릴)을 강조합니다.
• 이 데이터셋은 다양한 조건(위치, 조명, 객체 밀도)에서 캡처된 다양한 이미지를 특징으로 하며, 강력한 자동차 부품 세그멘테이션 모델을 학습하기 위한 포괄적인 리소스를 제공합니다.
• 이 예시는 데이터셋의 복잡성과 컴퓨터 비전 작업, 특히 자동차 부품 분석과 같은 전문 도메인에서 고품질 데이터의 중요성을 강조합니다. 데이터 증강과 같은 기술은 모델의 일반화 능력을 더욱 향상시킬 수 있습니다.

Link to this section인용 및 감사의 글#

연구 또는 개발 활동에 Carparts Segmentation 데이터셋을 사용하는 경우, 원본 출처를 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 },
        year = { 2023 },
        month = { nov },
        note = { visited on 2024-01-24 },
    }

컴퓨터 비전 커뮤니티를 위해 이 귀중한 데이터셋을 생성하고 유지 관리한 Gianmarco Russo와 Roboflow 팀의 기여에 감사드립니다. 더 많은 데이터셋은 Ultralytics 데이터셋 컬렉션을 방문하십시오.

Link to this sectionFAQ#

Link to this sectionCarparts Segmentation Dataset이란 무엇입니까?#

Carparts Segmentation Dataset은 자동차 부품에 대해 세그멘테이션을 수행하도록 컴퓨터 비전 모델을 학습하기 위한 특수 이미지 및 비디오 컬렉션입니다. 여기에는 자동차 AI 애플리케이션에 적합한 상세한 주석이 포함된 다양한 시각 자료가 포함되어 있습니다.

Link to this sectionCarparts Segmentation Dataset을 Ultralytics YOLO26과 어떻게 사용할 수 있습니까?#

이 데이터셋을 사용하여 Ultralytics YOLO26 세그멘테이션 모델을 학습할 수 있습니다. 사전 학습된 모델(예: yolo26n-seg.pt)을 로드하고 제공된 Python 또는 CLI 예제를 사용하여 학습을 시작하며 carparts-seg.yaml 구성 파일을 참조하십시오. 자세한 지침은 학습 가이드를 확인하십시오.

from ultralytics import YOLO

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

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

Link to this sectionCarparts Segmentation의 응용 사례는 무엇입니까?#

Carparts Segmentation은 다음 분야에서 유용합니다:

• 자동차 품질 관리: 부품이 표준을 충족하는지 확인 (AI in Manufacturing).
• 자동차 수리: 서비스가 필요한 부품 식별.
• 전자상거래: 온라인 부품 카탈로그 제작.
• 자율 주행 차량: 차량 인식 향상 (AI in Automotive).
• 보험: 차량 손상을 자동으로 평가.
• 재활용: 효율적인 부품 분류.

Link to this sectionCarparts Segmentation을 위한 데이터셋 구성 파일은 어디에서 찾을 수 있습니까?#

데이터셋 경로와 클래스에 대한 세부 정보를 포함하는 데이터셋 구성 파일 carparts-seg.yaml은 Ultralytics GitHub 저장소인 carparts-seg.yaml에서 찾을 수 있습니다.

Link to this section왜 Carparts Segmentation Dataset을 사용해야 합니까?#

이 데이터셋은 자동차 애플리케이션을 위한 정확한 세그멘테이션 모델을 개발하는 데 중요한 풍부한 주석이 달린 데이터를 제공합니다. 그 다양성은 자동화된 차량 검사, 안전 시스템 향상 및 자율 주행 기술 지원과 같은 실제 시나리오에서 모델의 견고성과 성능을 향상시키는 데 도움이 됩니다. 이와 같은 고품질의 도메인 특화 데이터셋을 사용하면 AI 개발이 가속화됩니다.