Roboflow 유니버스 카파츠 세분화 데이터세트

The Roboflow Carparts Segmentation Dataset is a curated collection of images and videos designed for computer vision applications, specifically focusing on segmentation tasks related to car parts. This dataset provides a diverse set of visuals captured from multiple perspectives, offering valuable annotated examples for training and testing segmentation models.

자동차 연구, 차량 유지보수를 위한 AI 솔루션 개발, 컴퓨터 비전 애플리케이션 탐색 등 자동차 부품 세분화 데이터 세트는 프로젝트의 정확성과 효율성을 높이는 데 유용한 리소스로 활용될 수 있습니다.

Watch: Carparts 인스턴스 세분화 Using Ultralytics HUB

데이터 세트 구조

자동차 부품 세분화 데이터 세트 내의 데이터 분포는 아래와 같이 구성되어 있습니다:

• 트레이닝 세트: 3156개의 이미지와 해당 주석이 포함된 3156개의 이미지가 포함되어 있습니다.
• 테스트 세트: 276개의 이미지로 구성되며, 각 이미지는 각각의 주석과 짝을 이룹니다.
• 유효성 검사 세트: 401개의 이미지로 구성되며, 각 이미지에는 해당 주석이 있습니다.

애플리케이션

자동차 부품 세분화는 자동차 품질 관리, 자동차 수리, 이커머스 카탈로그, 교통 모니터링, 자율주행차, 보험 처리, 재활용, 스마트 시티 이니셔티브 등 다양한 분야에서 활용되고 있습니다. 다양한 차량 부품을 정확하게 식별하고 분류하여 프로세스를 간소화함으로써 다양한 산업에서 효율성과 자동화에 기여합니다.

데이터 세트 YAML

데이터 세트 구성을 정의하는 데는 YAML(또 다른 마크업 언어) 파일이 사용됩니다. 여기에는 데이터 세트의 경로, 클래스 및 기타 관련 정보에 대한 정보가 포함되어 있습니다. 패키지 세분화 데이터 세트의 경우, 패키지 세분화 데이터 세트의 carparts-seg.yaml 파일은 다음 위치에서 유지됩니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 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 (132 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/carparts-seg # dataset root dir
train: train/images # train images (relative to 'path') 3516 images
val: valid/images # val images (relative to 'path') 276 images
test: test/images # 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

To train Ultralytics YOLO11n model on the Carparts 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.

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)

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

샘플 데이터 및 주석

자동차 부품 세분화 데이터 세트에는 다양한 관점에서 촬영한 다양한 이미지와 동영상이 포함되어 있습니다. 아래에서 데이터 세트의 데이터 예시와 해당 주석을 확인할 수 있습니다:

• 이 이미지는 샘플 내의 객체 분할을 보여주며, 식별된 객체를 둘러싼 마스크가 있는 주석이 달린 경계 상자가 특징입니다. 이 데이터 세트는 다양한 위치, 환경, 밀도에서 캡처한 다양한 이미지 세트로 구성되어 있으며, 이 작업에 특화된 모델을 제작하기 위한 포괄적인 리소스 역할을 합니다.
• 이 사례는 데이터 세트에 내재된 다양성과 복잡성을 강조하며 컴퓨터 비전 작업, 특히 자동차 부품 세분화 영역에서 고품질 데이터의 중요한 역할을 강조합니다.

인용 및 감사

자동차 부품 세분화 데이터 세트를 연구 또는 개발 프로젝트에 통합하는 경우 다음 백서를 참조하세요:

   @misc{ car-seg-un1pm_dataset,
        title = { car-seg Dataset },
        type = { Open Source Dataset },
        author = { Gianmarco Russo },
        howpublished = { \url{ https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm } },
        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 },
    }

차량 유지보수 및 연구 프로젝트에 유용한 리소스인 자동차 부품 세분화 데이터세트를 개발하고 관리하는 데 헌신해 주신 Roboflow 팀에게 감사의 말씀을 전합니다. 자동차 부품 세분화 데이터 세트와 제작자에 대한 자세한 내용은 자동차 부품 세분화 데이터 세트 페이지를 참조하세요.

자주 묻는 질문

Roboflow 자동차 부품 세분화 데이터 세트란 무엇인가요?

Roboflow 자동차 부품 세분화 데이터 세트는 컴퓨터 비전에서 자동차 부품 세분화 작업을 위해 특별히 설계된 이미지와 비디오의 엄선된 컬렉션입니다. 이 데이터 세트에는 여러 관점에서 캡처한 다양한 시각 자료가 포함되어 있어 자동차 애플리케이션의 세분화 모델을 훈련하고 테스트하는 데 매우 유용한 리소스입니다.

How can I use the Carparts Segmentation Dataset with Ultralytics YOLO11?

To train a YOLO11 model on the Carparts Segmentation dataset, you can follow these steps:

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)

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

자세한 내용은 교육 문서를 참조하세요.

자동차 부품 세분화의 활용 분야에는 어떤 것이 있나요?

Carparts Segmentation can be widely applied in various fields such as:

• Automotive quality control
• Auto repair and maintenance
• E-commerce cataloging
• Traffic monitoring
• Autonomous vehicles
• Insurance claim processing
• Recycling initiatives
• Smart city projects

이러한 세분화는 다양한 차량 부품을 정확하게 식별하고 분류하여 해당 산업의 효율성과 자동화를 향상시키는 데 도움이 됩니다.

자동차 부품 세분화를 위한 데이터 세트 구성 파일은 어디에서 찾을 수 있나요?

자동차 부품 세분화 데이터 세트의 데이터 세트 구성 파일입니다, carparts-seg.yaml는 다음 위치에서 찾을 수 있습니다: carparts-seg.yaml.

자동차 부품 세분화 데이터세트를 사용해야 하는 이유는 무엇인가요?

The Carparts Segmentation Dataset provides rich, annotated data essential for developing high-accuracy segmentation models in automotive computer vision. This dataset's diversity and detailed annotations improve model training, making it ideal for applications like vehicle maintenance automation, enhancing vehicle safety systems, and supporting autonomous driving technologies. Partnering with a robust dataset accelerates AI development and ensures better model performance.

자세한 내용은 자동차 부품 세분화 데이터 세트 페이지를 참조하세요.

📅 Created 9 months ago ✏️ Updated 22 days ago

댓글