패키지 세분화 데이터 세트

Roboflow Universe에서 제공되는 패키지 분할 데이터 세트는 컴퓨터 비전 분야의 패키지 분할과 관련된 작업에 맞게 특별히 선별된 이미지 모음입니다. 이 데이터 세트는 주로 이미지 분할 작업에 중점을 두고 패키지 식별, 분류 및 처리와 관련된 프로젝트를 진행하는 연구자, 개발자 및 애호가를 지원하기 위해 고안되었습니다.

Watch: Ultralytics YOLO11 사용한 패키지 세분화 모델 훈련 | 산업용 패키지 🎉

다양한 상황과 환경에서 다양한 패키지를 보여주는 다양한 이미지 세트가 포함된 이 데이터 세트는 세분화 모델을 훈련하고 평가하는 데 유용한 리소스로 사용됩니다. 물류, 창고 자동화 또는 정밀한 패키지 분석이 필요한 모든 애플리케이션에서 패키지 세분화 데이터 세트는 컴퓨터 비전 알고리즘의 성능을 향상시킬 수 있는 대상에 맞는 포괄적인 이미지 세트를 제공합니다. 데이터 세트 개요 페이지에서 세분화 작업을 위한 더 많은 데이터 세트를 살펴보세요.

데이터 세트 구조

패키지 세분화 데이터 세트의 데이터 분포는 다음과 같은 구조로 되어 있습니다:

트레이닝 세트: 해당 주석과 함께 1920개의 이미지가 포함됩니다.
테스트 세트: 89개의 이미지로 구성되며, 각 이미지는 각각의 주석과 짝을 이룹니다.
유효성 검사 세트: 각각 해당 주석이 있는 188개의 이미지로 구성됩니다.

애플리케이션

패키지 세분화 데이터세트로 촉진되는 패키지 세분화는 물류 최적화, 라스트 마일 배송 향상, 제조 품질 관리 개선, 스마트 시티 솔루션에 기여하는 데 매우 중요합니다. 전자상거래에서 보안 애플리케이션에 이르기까지 이 데이터 세트는 다양하고 효율적인 패키지 분석 애플리케이션을 위한 컴퓨터 비전의 혁신을 촉진하는 핵심 리소스입니다.

스마트 창고 및 물류

최신 물류창고에서 비전 AI 솔루션은 패키지 식별 및 분류를 자동화하여 운영을 간소화할 수 있습니다. 이 데이터 세트를 통해 학습된 컴퓨터 비전 모델은 조명이 어둡거나 공간이 복잡한 까다로운 환경에서도 실시간으로 패키지를 빠르게 감지하고 분류할 수 있습니다. 이를 통해 처리 시간을 단축하고 오류를 줄이며 물류 운영의 전반적인 효율성을 개선할 수 있습니다.

품질 관리 및 손상 감지

포장물 세분화 모델은 포장물의 모양과 외관을 분석하여 손상된 포장물을 식별하는 데 사용할 수 있습니다. 이러한 모델은 패키지 외곽선의 불규칙성이나 변형을 감지하여 온전한 패키지만 공급망을 통과하도록 함으로써 고객 불만과 반품률을 줄일 수 있습니다. 이는 제조 품질 관리의 핵심 요소이며 제품 무결성을 유지하는 데 필수적입니다.

데이터 세트 YAML

YAML(또 다른 마크업 언어) 파일은 경로, 클래스 및 기타 필수 세부 정보를 포함한 데이터 세트 구성을 정의합니다. 패키지 세분화 데이터 세트의 경우, 패키지 세분화 데이터 세트의 package-seg.yaml 파일은 다음 위치에서 유지됩니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

ultralytics/cfg/데이터세트/패키지-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 (102 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/package-seg # dataset root dir
train: train/images # train images (relative to 'path') 1920 images
val: valid/images # val images (relative to 'path') 89 images
test: test/images # 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

교육하려면 Ultralytics YOLO11n 모델을 이미지 크기가 640인 패키지 세분화 데이터 세트에서 100개의 에포크에 대해 훈련하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 훈련 페이지를 참조하세요.

열차 예시

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 세분화 데이터 세트는 다양한 관점에서 캡처한 다양한 이미지 모음으로 구성되어 있습니다. 아래는 데이터 세트의 데이터 인스턴스와 각각의 세분화 마스크입니다:

데이터 세트 샘플 이미지

이 이미지는 인식된 패키지 개체의 윤곽을 나타내는 주석이 달린 마스크가 있는 패키지 분할의 인스턴스를 보여줍니다. 이 데이터 세트에는 다양한 위치, 환경, 밀도에서 촬영한 다양한 이미지 모음이 포함되어 있습니다. 이 세분화 작업과 관련된 모델을 개발하기 위한 포괄적인 리소스 역할을 합니다.
이 예는 데이터 세트에 존재하는 다양성과 복잡성을 강조하며, 패키지 세분화와 관련된 컴퓨터 비전 작업에서 고품질 데이터의 중요성을 강조합니다.

패키지 세분화를 위한 YOLO11 사용의 이점

Ultralytics YOLO11 은 패키지 세분화 작업에 몇 가지 이점을 제공합니다:

속도와 정확성의 균형: YOLO11 높은 정밀도와 효율성을 달성하여 빠르게 변화하는 물류 환경에서 실시간 추론에 이상적입니다. 다음과 같은 모델에 비해 강력한 균형을 제공합니다. YOLOv8.
적응력: YOLO11 훈련된 모델은 어두운 조명부터 어수선한 공간까지 다양한 창고 환경에 적응할 수 있어 강력한 성능을 보장합니다.
확장성: 연말연시와 같은 성수기에는 YOLO11 모델을 효율적으로 확장하여 성능이나 정확도 저하 없이 늘어난 패키지 물량을 처리할 수 있습니다.
통합 기능: YOLO11 기존 창고 관리 시스템과 쉽게 통합할 수 있으며 다음과 같은 형식을 사용하여 다양한 플랫폼에 배포할 수 있습니다. ONNX 또는 TensorRT와 같은 형식을 사용하여 다양한 플랫폼에 배포할 수 있어 엔드투엔드 자동화 솔루션이 가능합니다.

인용 및 감사

패키지 세분화 데이터 세트를 연구 또는 개발 이니셔티브에 통합하는 경우 출처를 적절히 인용해 주세요:

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 패키지 세분화 데이터 세트의 제작자에게 감사의 말씀을 전합니다. 데이터 세트와 모델 훈련에 대해 더 자세히 알아보려면 Ultralytics 데이터 세트 페이지와 모델 훈련 팁 가이드를 참조하세요.

자주 묻는 질문

패키지 세분화 데이터세트란 무엇이며 컴퓨터 비전 프로젝트에 어떻게 도움이 될 수 있나요?

패키지 세분화 데이터 세트는 패키지 이미지 세분화와 관련된 작업에 맞게 선별된 이미지 모음입니다. 다양한 맥락의 다양한 패키지 이미지가 포함되어 있어 세분화 모델을 훈련하고 평가하는 데 매우 유용합니다. 이 데이터 세트는 물류, 창고 자동화 및 정밀한 패키지 분석이 필요한 모든 프로젝트에 특히 유용합니다.

패키지 세분화 데이터 세트에서 Ultralytics YOLO11 모델을 훈련하려면 어떻게 해야 하나요?

교육할 수 있습니다. Ultralytics YOLO11 모델을 훈련할 수 있습니다. 사용 섹션에 제공된 코드 스니펫을 사용합니다. 인수 및 구성에 대한 자세한 내용은 모델 학습 페이지를 참조하세요.

패키지 세분화 데이터 세트의 구성 요소는 무엇이며 어떻게 구성되어 있나요?

데이터 세트는 세 가지 주요 구성 요소로 구성되어 있습니다:
- 트레이닝 세트: 주석이 포함된 1920개의 이미지가 포함되어 있습니다.
- 테스트 세트: 89개의 이미지와 해당 주석으로 구성됩니다.
- 유효성 검사 세트: 주석이 포함된 188개의 이미지가 포함되어 있습니다.
이 구조는 모델 평가 가이드에 설명된 모범 사례에 따라 철저한 모델 교육, 검증 및 테스트를 위한 균형 잡힌 데이터 세트를 보장합니다.

패키지 세분화 데이터세트와 함께 Ultralytics YOLO11 을 사용해야 하는 이유는 무엇인가요?

Ultralytics YOLO11 실시간 물체 감지 및 세분화 작업을 위한 최첨단 정확도와 속도를 제공합니다. 패키지 세분화 데이터세트와 함께 사용하면 물류 및 창고 자동화와 같은 산업에 특히 유용한 정밀한 패키지 세분화를 위해 YOLO11 기능을 활용할 수 있습니다.

패키지 세분화 데이터 세트의 package-seg.yaml 파일에 액세스하고 사용하려면 어떻게 해야 하나요?

그리고 package-seg.yaml 파일은 Ultralytics GitHub 리포지토리에서 호스팅되며 데이터 집합의 경로, 클래스 및 구성에 대한 필수 정보가 포함되어 있습니다. 다음 위치에서 파일을 보거나 다운로드할 수 있습니다. 여기. 이 파일은 데이터 집합을 효율적으로 활용하도록 모델을 구성하는 데 매우 중요합니다. 더 많은 인사이트와 실용적인 예시를 보려면 Python 사용법 섹션으로 이동합니다.

📅1 년 전 생성됨 ✏️ 업데이트됨 0일 전