패키지 세그멘테이션 데이터셋#

2,197

Package-Seg

ultralytics

publicSegment

Package-Seg contains polygon masks for packages across indoor, warehouse, and logistics-style scenes, including empty background images. It supports package localization and shape segmentation; no named upstream dataset license is published, so redistribution terms should be reviewed.

1 class149.8 MBSep 2, 2026

package

packagesinstance-segmentationlogistics+1

Ultralytics 패키지 세그멘테이션 데이터셋은 단일 package 클래스의 인스턴스 세그멘테이션 모델을 학습하기 위한 패키지 주석 이미지 2,197개로 구성된 엄선된 컬렉션입니다. 패키지 식별, 분류, 처리와 같은 물류 및 창고 자동화 사용 사례를 위해 구축되었으며, 컴퓨터 비전 파이프라인에서 실시간 패키지 분석을 수행하는 Ultralytics YOLO와 직접 연동됩니다. 더 많은 세그멘테이션 데이터셋은 데이터셋 개요 페이지에서 확인할 수 있습니다.

데이터셋 구조#

패키지 세그멘테이션 데이터셋은 2,197개의 이미지를 다음과 같이 분할합니다:

• 학습 세트: 딥러닝 모델을 학습하는 데 사용되는 이미지 1,920개입니다.
• 검증 세트: 학습 중 하이퍼파라미터를 조정하고 과적합을 방지하는 데 사용되는 이미지 188개입니다.
• 테스트 세트: 학습 후 모델을 평가하기 위해 별도로 보관된 이미지 89개입니다.
• 클래스: 주석이 지정된 모든 패키지를 포함하는 단일 package 클래스입니다.
• 다운로드 크기: ~103MB입니다.

응용 분야#

패키지 세그멘테이션은 물류, 라스트마일 배송, 제조 품질 관리 및 스마트 시티 시스템을 최적화하며, 이커머스 주문 처리와 보안 검색 등 다양한 분야에 활용됩니다. 정밀한 패키지 마스크를 사용하면 자동화 시스템이 실시간으로 소포를 찾고, 개수를 세고, 검사할 수 있습니다.

스마트 창고 및 물류#

최신 창고에서는 비전 AI 솔루션이 패키지 식별 및 분류를 자동화하여 운영을 간소화할 수 있습니다. 이 데이터셋으로 학습한 컴퓨터 비전 모델은 조명이 어둡거나 공간이 혼잡한 환경에서도 패키지를 신속하게 감지하고 실시간으로 세그먼테이션할 수 있습니다. 이를 통해 물류 운영의 처리 시간이 단축되고 오류가 감소하며 전반적인 효율성이 향상됩니다.

품질 관리 및 손상 감지#

패키지 세그멘테이션 모델은 패키지의 형태와 외관을 분석하여 손상된 패키지를 식별할 수 있습니다. 패키지 윤곽의 불규칙성이나 변형을 감지함으로써 이러한 모델은 손상되지 않은 패키지만 공급망을 통과하도록 지원하여 고객 불만과 반품률을 줄입니다. 이는 제조 품질 관리의 핵심 요소이며 제품 무결성을 유지하는 데 필수적입니다.

전체 패키지 세그멘테이션 데이터셋은 Ultralytics Platform에서 찾아보고 관리할 수도 있습니다.

데이터셋 YAML#

YAML 파일은 경로, 클래스 및 기타 필수 세부 정보를 포함한 데이터셋 구성을 정의합니다. 패키지 세그멘테이션 데이터셋의 경우 package-seg.yaml 파일이 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml에 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

사용법#

다음 코드 스니펫을 사용하면 패키지 세그멘테이션 데이터셋에서 이미지 크기 640으로 100 에포크 동안 Ultralytics YOLO26n 모델을 학습할 수 있습니다. 데이터셋(~103MB)은 처음 사용할 때 자동으로 다운로드됩니다. 사용 가능한 인자의 전체 목록은 모델 학습 페이지를 참조하세요.

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")

샘플 데이터 및 어노테이션#

다음은 감지된 패키지의 윤곽을 표시하도록 세그멘테이션 마스크를 오버레이한 패키지 세그멘테이션 데이터셋의 예시입니다:

이 데이터셋은 다양한 위치, 환경 및 패키지 밀도를 포함하므로, 이를 사용해 학습한 모델은 실제 물류 장면의 다양한 범위를 학습하여 여러 환경에 일반화할 수 있습니다. 관련 워크플로는 세그멘테이션 작업 페이지를 참조하세요.

인용 및 감사의 글#

패키지 세그멘테이션 데이터셋을 연구 또는 개발 이니셔티브에 통합하는 경우 출처를 적절하게 인용해 주세요:

@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 },
}

패키지 세그멘테이션 데이터셋을 제작하여 컴퓨터 비전 커뮤니티에 기여해 주신 분들께 감사드립니다. 더 많은 데이터셋은 Ultralytics 데이터셋 컬렉션과 모델 학습 팁 가이드에서 확인하세요.

FAQ#