패키지 분할 데이터 세트

Roboflow Universe에서 사용할 수 있는 패키지 분할 데이터 세트는 특히 컴퓨터 비전 분야 내에서 패키지 분할과 관련된 작업에 맞게 조정된 이미지의 선별된 컬렉션입니다. 이 데이터 세트는 주로 이미지 분할 작업에 중점을 두고 패키지 식별, 정렬 및 처리를 포함하는 프로젝트에서 작업하는 연구원, 개발자 및 매니아를 지원하도록 설계되었습니다.

참고: Ultralytics YOLO11을 사용한 패키지 분할 모델 학습 | 산업 패키지 🎉

다양한 컨텍스트와 환경에서 다양한 패키지를 보여주는 다양한 이미지 세트를 포함하는 이 데이터 세트는 분할 모델을 훈련하고 평가하는 데 유용한 리소스 역할을 합니다. 물류, 창고 자동화 또는 정확한 패키지 분석이 필요한 모든 애플리케이션에 참여하든 패키지 분할 데이터 세트는 컴퓨터 비전 알고리즘의 성능을 향상시키기 위한 포괄적이고 목표가 분명한 이미지 세트를 제공합니다. 데이터 세트 개요 페이지에서 분할 작업에 대한 더 많은 데이터 세트를 살펴보십시오.

데이터 세트 구조

패키지 분할 데이터 세트의 데이터 분포는 다음과 같이 구성됩니다.

학습 세트: 해당 어노테이션이 첨부된 1920개의 이미지를 포함합니다.
테스트 세트: 각각의 어노테이션과 함께 89개의 이미지로 구성됩니다.
검증 세트: 각 이미지에 해당하는 어노테이션이 있는 188개의 이미지로 구성됩니다.

응용 분야

패키지 분할은 패키지 분할 데이터 세트에 의해 촉진되며, 물류 최적화, 라스트마일 배송 개선, 제조 품질 관리 개선 및 스마트 시티 솔루션에 기여하는 데 매우 중요합니다. 전자 상거래에서 보안 애플리케이션에 이르기까지 이 데이터 세트는 다양하고 효율적인 패키지 분석 애플리케이션을 위한 컴퓨터 비전의 혁신을 촉진하는 핵심 리소스입니다.

스마트 창고 및 물류

최신 창고에서 비전 AI 솔루션은 패키지 식별 및 분류를 자동화하여 운영을 간소화할 수 있습니다. 이 데이터 세트에서 학습된 컴퓨터 비전 모델은 조명이 어둡거나 공간이 어수선한 까다로운 환경에서도 실시간으로 패키지를 빠르게 감지하고 분할할 수 있습니다. 이는 더 빠른 처리 시간, 오류 감소 및 물류 운영의 전반적인 효율성 향상으로 이어집니다.

품질 관리 및 손상 감지

패키지 분할 모델은 모양과 외관을 분석하여 손상된 패키지를 식별하는 데 사용할 수 있습니다. 패키지 윤곽선에서 불규칙성 또는 변형을 감지하여 이러한 모델은 손상되지 않은 패키지만 공급망을 통해 진행되도록 하여 고객 불만 및 반품률을 줄이는 데 도움이 됩니다. 이는 제조업의 품질 관리의 핵심 측면이며 제품 무결성을 유지하는 데 매우 중요합니다.

데이터세트 YAML

YAML(Yet Another Markup Language) 파일은 경로, 클래스 및 기타 필수 세부 정보를 포함하여 데이터 세트 구성을 정의합니다. 패키지 분할 데이터 세트의 경우, package-seg.yaml 파일은 다음 위치에서 관리됩니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

ultralytics/cfg/datasets/package-seg.yaml

# 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') 89 images
test: images/test # test images (relative to 'path') 188 images

# Classes
names:
  0: package

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

사용법

이미지 크기를 640으로 설정하고 Package Segmentation 데이터 세트에서 Ultralytics YOLO11n 모델을 100 epoch 동안 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 전체 인수 목록은 모델 학습 페이지를 참조하십시오.

훈련 예제

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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")

# Load a pretrained segmentation model and start training
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

# Resume training from the last checkpoint
yolo segment train data=package-seg.yaml model=path/to/last.pt resume=True

# Validate the trained model
yolo segment val data=package-seg.yaml model=path/to/best.pt

# Perform inference using the trained model
yolo segment predict model=path/to/best.pt source=path/to/image.jpg

샘플 데이터 및 주석

패키지 분할 데이터 세트는 다양한 관점에서 캡처한 다양한 이미지 컬렉션으로 구성됩니다. 아래는 데이터 세트의 데이터 인스턴스와 해당 분할 마스크가 함께 제공됩니다.

데이터 세트 샘플 이미지

이 이미지는 인식된 패키지 객체를 윤곽선으로 표시하는 주석 처리된 마스크를 특징으로 하는 패키지 분할의 인스턴스를 보여줍니다. 데이터 세트에는 다양한 위치, 환경 및 밀도에서 촬영한 다양한 이미지 모음이 통합되어 있습니다. 이 분할 작업에 특정한 모델을 개발하기 위한 포괄적인 리소스로 사용됩니다.
이 예는 데이터 세트에 존재하는 다양성과 복잡성을 강조하며, 패키지 분할과 관련된 컴퓨터 비전 작업에 고품질 데이터가 중요하다는 점을 강조합니다.

패키지 분할을 위해 YOLO11을 사용하는 이점

Ultralytics YOLO11은(는) 패키지 분할 작업에 대해 다음과 같은 여러 가지 이점을 제공합니다.

속도 및 정확도 균형: YOLO11은 높은 정밀도와 효율성을 달성하여 빠르게 변화하는 물류 환경에서 실시간 추론에 이상적입니다. YOLOv8과 같은 모델에 비해 강력한 균형을 제공합니다.
적응성: YOLO11로 학습된 모델은 어두운 조명에서 복잡한 공간에 이르기까지 다양한 창고 조건에 적응하여 강력한 성능을 보장합니다.
확장성: 휴가 시즌과 같은 피크 기간 동안 YOLO11 모델은 성능 또는 정확도 저하 없이 증가된 패키지 볼륨을 효율적으로 처리하도록 확장할 수 있습니다.
통합 기능: YOLO11은 기존 창고 관리 시스템과 쉽게 통합할 수 있으며 ONNX 또는 TensorRT와 같은 형식을 사용하여 다양한 플랫폼에 배포하여 엔드 투 엔드 자동화 솔루션을 용이하게 합니다.

인용 및 감사의 말씀

Package Segmentation 데이터 세트를 연구 또는 개발 이니셔티브에 통합하는 경우, 출처를 적절히 인용하십시오:

BibTeX

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

컴퓨터 비전 커뮤니티에 기여해 주신 Package Segmentation 데이터 세트 제작자에게 감사를 표합니다. 데이터 세트 및 모델 학습에 대한 추가 탐색은 Ultralytics 데이터 세트 페이지와 모델 학습 팁 가이드를 참조하십시오.

FAQ