Link to this section패키지 세그멘테이션 데이터셋#

The Ultralytics Package Segmentation Dataset is a curated collection of 2,197 annotated images of packages for training instance segmentation models on a single package class. Built for logistics and warehouse-automation use cases like package identification, sorting, and handling, it pairs directly with Ultralytics YOLO for real-time package analysis in computer vision pipelines. Explore more segmentation datasets on our datasets overview page.

Link to this section데이터셋 구조#

Package Segmentation 데이터셋은 2,197개의 이미지를 다음과 같이 분할합니다:

• Training set: 1,920 images used for training the deep learning model.
• 검증 세트(Validation set): 학습 중 하이퍼파라미터를 튜닝하고 과적합을 방지하기 위해 사용되는 188개의 이미지.
• 테스트 세트(Testing set): 학습 후 모델을 평가하기 위해 별도로 보관된 89개의 이미지.
• 클래스(Classes): 주석이 달린 모든 패키지를 포함하는 단일 package 클래스.
• 다운로드 크기: 약 103 MB.

Link to this section응용 분야#

패키지 세그멘테이션은 전자상거래 주문 처리부터 보안 검색까지 다양한 응용 분야에서 물류, 라스트 마일 배송, 제조 품질 관리 및 스마트 시티 시스템을 최적화합니다. 정밀한 패키지 마스크를 통해 자동화 시스템은 실시간으로 소포를 찾고, 개수를 세며, 검사할 수 있습니다.

Link to this section스마트 창고 및 물류#

현대적 창고에서는 비전 AI 솔루션을 사용하여 패키지 식별 및 분류를 자동화함으로써 운영을 능률화할 수 있습니다. 이 데이터셋으로 학습된 컴퓨터 비전 모델은 어두운 조명이나 복잡한 환경에서도 실시간으로 패키지를 신속하게 감지하고 세그멘테이션할 수 있습니다. 이는 물류 운영에서 처리 시간 단축, 오류 감소 및 전반적인 효율성 향상으로 이어집니다.

Link to this section품질 관리 및 손상 감지#

패키지 세그멘테이션 모델은 패키지의 모양과 외관을 분석하여 손상된 패키지를 식별할 수 있습니다. 패키지 윤곽선의 불규칙성이나 변형을 감지함으로써, 이러한 모델은 손상되지 않은 패키지만 공급망을 통과하도록 보장하여 고객 불만 및 반품률을 줄이는 데 도움을 줍니다. 이는 제조업에서의 품질 관리의 핵심 측면이며 제품 무결성을 유지하는 데 필수적입니다.

완전한 Package Segmentation 데이터셋은 Ultralytics Platform에서도 탐색 및 관리할 수 있습니다.

Link to this section데이터셋 YAML#

YAML 파일은 경로, 클래스 및 기타 필수 세부 정보를 포함한 데이터셋 구성을 정의합니다. Package Segmentation 데이터셋의 경우, package-seg.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml에서 유지 관리됩니다.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/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 (103 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: package-seg # dataset root dir
train: images/train # train images (relative to 'path') 1920 images
val: images/val # val images (relative to 'path') 188 images
test: images/test # test images (relative to 'path') 89 images

# Classes
names:
  0: package

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

Link to this section사용법#

To train an Ultralytics YOLO26n model on the Package Segmentation dataset for 100 epochs with an image size of 640, use the following code snippets. The dataset (~103 MB) downloads automatically on first use. For a comprehensive list of available arguments, refer to the model Training page.

from ultralytics import YOLO

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

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

# Validate the model
results = model.val()

# Perform inference on an image
results = model("path/to/image.jpg")

Link to this section샘플 데이터 및 주석#

다음은 세그멘테이션 마스크가 오버레이되어 감지된 패키지 윤곽을 보여주는 Package Segmentation 데이터셋의 예시입니다:

이 데이터셋은 다양한 위치, 환경 및 패키지 밀도를 포함하므로 학습된 모델은 범용성을 갖추기 위해 필요한 실제 물류 장면의 범위를 확인할 수 있습니다. 관련 워크플로는 세그멘테이션 작업 페이지를 참조하십시오.

Link to this section인용 및 감사의 글#

패키지 세그멘테이션 데이터셋을 연구 또는 개발 이니셔티브에 통합하는 경우 적절하게 출처를 표기해 주십시오:

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

컴퓨터 비전 커뮤니티에 기여해 주신 Package Segmentation 데이터셋 제작자분들께 감사드립니다. 더 많은 데이터셋을 보려면 Ultralytics 데이터셋 컬렉션과 모델 학습 팁 가이드를 방문하십시오.

Link to this sectionFAQ#

Link to this sectionPackage Segmentation 데이터셋이란 무엇이며 Ultralytics YOLO26에서 어떻게 사용됩니까?#

The Package Segmentation Dataset is a collection of 2,197 annotated images of packages for training and evaluating instance segmentation models on a single package class. It targets logistics and warehouse-automation applications like package identification, sorting, and quality control, and is used directly with Ultralytics YOLO26 via the package-seg.yaml configuration file.

Link to this sectionPackage Segmentation 데이터셋에는 몇 개의 이미지와 클래스가 포함되어 있습니까?#

이 데이터셋은 총 2,197개의 이미지(학습용 1,920개, 검증용 188개, 테스트용 89개)로 구성되어 있으며, 모두 단일 package 클래스에 대해 주석이 달려 있습니다. 전체 아카이브는 처음 사용 시 약 103 MB의 .zip 파일로 자동 다운로드됩니다.

Link to this section패키지 세그멘테이션 데이터셋으로 Ultralytics YOLO26 모델을 학습하려면 어떻게 해야 합니까?#

Load a pretrained segmentation model (e.g., yolo26n-seg.pt) and train it with the package-seg.yaml configuration using the Python or CLI snippets in the Usage section above. See the Training guide for the full list of available arguments.

Link to this section물류 분야의 패키지 세그멘테이션에 왜 Ultralytics YOLO26을 사용해야 합니까?#

YOLO26 provides state-of-the-art accuracy and real-time speed for instance segmentation, letting automated systems detect and sort packages reliably even in dim or cluttered warehouses — see the Applications section above. Trained models export to formats like ONNX and TensorRT for deployment across warehouse hardware.

Link to this sectionPackage Segmentation 데이터셋 구성 파일은 어디에서 찾을 수 있습니까?#

The package-seg.yaml file, which defines the dataset paths and the single package class, is located in the Ultralytics GitHub repository: package-seg.yaml.