Roboflow ์ ๋๋ฒ์ค ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ
The Roboflow Package Segmentation Dataset is a curated collection of images specifically tailored for tasks related to package segmentation in the field of computer vision. This dataset is designed to assist researchers, developers, and enthusiasts working on projects related to package identification, sorting, and handling.
๋ค์ํ ์ํฉ๊ณผ ํ๊ฒฝ์์ ๋ค์ํ ํจํค์ง๋ฅผ ๋ณด์ฌ์ฃผ๋ ๋ค์ํ ์ด๋ฏธ์ง ์ธํธ๊ฐ ํฌํจ๋ ์ด ๋ฐ์ดํฐ ์ธํธ๋ ์ธ๋ถํ ๋ชจ๋ธ์ ํ๋ จํ๊ณ ํ๊ฐํ๋ ๋ฐ ์ ์ฉํ ๋ฆฌ์์ค๋ก ์ฌ์ฉ๋ฉ๋๋ค. ๋ฌผ๋ฅ, ์ฐฝ๊ณ ์๋ํ ๋๋ ์ ๋ฐํ ํจํค์ง ๋ถ์์ด ํ์ํ ๋ชจ๋ ์ ํ๋ฆฌ์ผ์ด์ ์์ ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ๋ ์ปดํจํฐ ๋น์ ์๊ณ ๋ฆฌ์ฆ์ ์ฑ๋ฅ์ ํฅ์์ํฌ ์ ์๋ ๋์์ ๋ง๋ ํฌ๊ด์ ์ธ ์ด๋ฏธ์ง ์ธํธ๋ฅผ ์ ๊ณตํฉ๋๋ค.
๋ฐ์ดํฐ ์ธํธ ๊ตฌ์กฐ
ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ์ ๋ฐ์ดํฐ ๋ถํฌ๋ ๋ค์๊ณผ ๊ฐ์ ๊ตฌ์กฐ๋ก ๋์ด ์์ต๋๋ค:
- ํธ๋ ์ด๋ ์ธํธ: ํด๋น ์ฃผ์๊ณผ ํจ๊ป 1920๊ฐ์ ์ด๋ฏธ์ง๊ฐ ํฌํจ๋ฉ๋๋ค.
- ํ ์คํธ ์ธํธ: 89๊ฐ์ ์ด๋ฏธ์ง๋ก ๊ตฌ์ฑ๋๋ฉฐ, ๊ฐ ์ด๋ฏธ์ง๋ ๊ฐ๊ฐ์ ์ฃผ์๊ณผ ์ง์ ์ด๋ฃน๋๋ค.
- ์ ํจ์ฑ ๊ฒ์ฌ ์ธํธ: ๊ฐ๊ฐ ํด๋น ์ฃผ์์ด ์๋ 188๊ฐ์ ์ด๋ฏธ์ง๋ก ๊ตฌ์ฑ๋ฉ๋๋ค.
์ ํ๋ฆฌ์ผ์ด์
ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ์ธํธ๋ฅผ ํตํด ์ด์ง๋๋ ํจํค์ง ์ธ๋ถํ๋ ๋ฌผ๋ฅ ์ต์ ํ, ๋ผ์คํธ ๋ง์ผ ๋ฐฐ์ก ๊ฐ์ , ์ ์กฐ ํ์ง ๊ด๋ฆฌ ๊ฐ์ , ์ค๋งํธ ์ํฐ ์๋ฃจ์ ์ ๊ธฐ์ฌํ๋ ๋ฐ ๋งค์ฐ ์ค์ํฉ๋๋ค. ์ ์์๊ฑฐ๋์์ ๋ณด์ ์ ํ๋ฆฌ์ผ์ด์ ์ ์ด๋ฅด๊ธฐ๊น์ง ์ด ๋ฐ์ดํฐ ์ธํธ๋ ๋ค์ํ๊ณ ํจ์จ์ ์ธ ํจํค์ง ๋ถ์ ์ ํ๋ฆฌ์ผ์ด์ ์ ์ํ ์ปดํจํฐ ๋น์ ์ ํ์ ์ ์ด์งํ๋ ํต์ฌ ๋ฆฌ์์ค์ ๋๋ค.
๋ฐ์ดํฐ ์ธํธ YAML
๋ฐ์ดํฐ ์ธํธ ๊ตฌ์ฑ์ ์ ์ํ๋ ๋ฐ๋ YAML(๋ ๋ค๋ฅธ ๋งํฌ์
์ธ์ด) ํ์ผ์ด ์ฌ์ฉ๋ฉ๋๋ค. ์ฌ๊ธฐ์๋ ๋ฐ์ดํฐ ์ธํธ์ ๊ฒฝ๋ก, ํด๋์ค ๋ฐ ๊ธฐํ ๊ด๋ จ ์ ๋ณด์ ๋ํ ์ ๋ณด๊ฐ ํฌํจ๋์ด ์์ต๋๋ค. ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ์ ๊ฒฝ์ฐ, ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ์ package-seg.yaml
ํ์ผ์ ๋ค์ ์์น์์ ์ ์ง๋ฉ๋๋ค. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.
ultralytics/cfg/๋ฐ์ดํฐ์ธํธ/ํจํค์ง-seg.yaml
# Ultralytics YOLO ๐, AGPL-3.0 license
# Package-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/package-seg/
# Example usage: yolo train data=package-seg.yaml
# parent
# โโโ ultralytics
# โโโ datasets
# โโโ package-seg โ 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: images/train # train images (relative to 'path') 1920 images
val: images/val # 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
์ฌ์ฉ๋ฒ
To train Ultralytics YOLO11n model on the Package 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.
์ด์ฐจ ์์
์ํ ๋ฐ์ดํฐ ๋ฐ ์ฃผ์
ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ๋ ๋ค์ํ ๊ด์ ์์ ์บก์ฒํ ๋ค์ํ ์ด๋ฏธ์ง์ ๋์์ ๋ชจ์์ผ๋ก ๊ตฌ์ฑ๋์ด ์์ต๋๋ค. ์๋๋ ๋ฐ์ดํฐ ์ธํธ์ ๋ฐ์ดํฐ ์ธ์คํด์ค์ ๊ฐ ๋ฐ์ดํฐ์ ๋ํ ์ฃผ์์ ๋๋ค:
- This image displays an instance of image object detection, featuring annotated bounding boxes with masks outlining recognized objects. The dataset incorporates a diverse collection of images taken in different locations, environments, and densities. It serves as a comprehensive resource for developing models specific to this task.
- ์ด ์๋ ๋๋ก ๊ณผ ๊ด๋ จ๋ ์ปดํจํฐ ๋น์ ์์ ์์ ๊ณ ํ์ง ์ผ์ ๋ฐ์ดํฐ์ ์ค์์ฑ์ ๊ฐ์กฐํ๋ฉด์ VisDrone ๋ฐ์ดํฐ ์ธํธ์ ์กด์ฌํ๋ ๋ค์์ฑ๊ณผ ๋ณต์ก์ฑ์ ๊ฐ์กฐํฉ๋๋ค.
์ธ์ฉ ๋ฐ ๊ฐ์ฌ
ํฌ๋ ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ๋ฅผ ์ฐ๊ตฌ ๋๋ ๊ฐ๋ฐ ์ด๋์ ํฐ๋ธ์ ํตํฉํ๋ ๊ฒฝ์ฐ ๋ค์ ๋ ผ๋ฌธ์ ์ธ์ฉํด ์ฃผ์ธ์:
@misc{ factory_package_dataset,
title = { factory_package Dataset },
type = { Open Source Dataset },
author = { factorypackage },
howpublished = { \url{ https://universe.roboflow.com/factorypackage/factory_package } },
url = { https://universe.roboflow.com/factorypackage/factory_package },
journal = { Roboflow Universe },
publisher = { Roboflow },
year = { 2024 },
month = { jan },
note = { visited on 2024-01-24 },
}
๋ฌผ๋ฅ ๋ฐ ์ฐ๊ตฌ ํ๋ก์ ํธ์ ๊ท์คํ ์์ฐ์ธ ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ์ ์ ์์ฑํ๊ณ ์ ์ง ๊ด๋ฆฌํ๋ Roboflow ํ์ ๋ ธ๊ณ ์ ๊ฐ์ฌ๋๋ฆฝ๋๋ค. ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ์ ์ ์์์ ๋ํ ์์ธํ ๋ด์ฉ์ ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ ํ์ด์ง๋ฅผ ์ฐธ์กฐํ์๊ธฐ ๋ฐ๋๋๋ค.
์์ฃผ ๋ฌป๋ ์ง๋ฌธ
Roboflow ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ๋ ๋ฌด์์ด๋ฉฐ ์ปดํจํฐ ๋น์ ํ๋ก์ ํธ์ ์ด๋ป๊ฒ ๋์์ด ๋ ์ ์๋์?
Roboflow ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ๋ ํจํค์ง ์ธ๋ถํ์ ๊ด๋ จ๋ ์์ ์ ๋ง๊ฒ ์ ๋ณ๋ ์ด๋ฏธ์ง ๋ชจ์์ ๋๋ค. ๋ค์ํ ๋งฅ๋ฝ์ ๋ค์ํ ํจํค์ง ์ด๋ฏธ์ง๊ฐ ํฌํจ๋์ด ์์ด ์ธ๋ถํ ๋ชจ๋ธ์ ํ๋ จํ๊ณ ํ๊ฐํ๋ ๋ฐ ๋งค์ฐ ์ ์ฉํฉ๋๋ค. ์ด ๋ฐ์ดํฐ ์ธํธ๋ ๋ฌผ๋ฅ, ์ฐฝ๊ณ ์๋ํ ๋ฐ ์ ๋ฐํ ํจํค์ง ๋ถ์์ด ํ์ํ ๋ชจ๋ ํ๋ก์ ํธ์ ํนํ ์ ์ฉํฉ๋๋ค. ๋ฌผ๋ฅ๋ฅผ ์ต์ ํํ๊ณ ์ ํํ ํจํค์ง ์๋ณ ๋ฐ ๋ถ๋ฅ๋ฅผ ์ํ ๋น์ ๋ชจ๋ธ์ ๊ฐ์ ํ๋ ๋ฐ ๋์์ด ๋ฉ๋๋ค.
How do I train an Ultralytics YOLO11 model on the Package Segmentation Dataset?
You can train an Ultralytics YOLO11n model using both Python and CLI methods. Use the snippets below:
์ด์ฐจ ์์
์์ธํ ๋ด์ฉ์ ๋ชจ๋ธ ๊ต์ก ํ์ด์ง๋ฅผ ์ฐธ์กฐํ์ธ์.
ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ์ ๊ตฌ์ฑ ์์๋ ๋ฌด์์ด๋ฉฐ ์ด๋ป๊ฒ ๊ตฌ์ฑ๋์ด ์๋์?
The dataset is structured into three main components:
- Training set: Contains 1920 images with annotations.
- Testing set: Comprises 89 images with corresponding annotations.
- Validation set: Includes 188 images with annotations.
์ด ๊ตฌ์กฐ๋ ์ฒ ์ ํ ๋ชจ๋ธ ํ๋ จ, ๊ฒ์ฆ ๋ฐ ํ ์คํธ๋ฅผ ์ํ ๊ท ํ ์กํ ๋ฐ์ดํฐ ์ธํธ๋ฅผ ๋ณด์ฅํ์ฌ ์ธ๋ถํ ์๊ณ ๋ฆฌ์ฆ์ ์ฑ๋ฅ์ ํฅ์์ํต๋๋ค.
Why should I use Ultralytics YOLO11 with the Package Segmentation Dataset?
Ultralytics YOLO11 provides state-of-the-art accuracy and speed for real-time object detection and segmentation tasks. Using it with the Package Segmentation Dataset allows you to leverage YOLO11's capabilities for precise package segmentation. This combination is especially beneficial for industries like logistics and warehouse automation, where accurate package identification is critical. For more information, check out our page on YOLO11 segmentation.
ํจํค์ง ์ธ๋ถํ ๋ฐ์ดํฐ ์ธํธ์ package-seg.yaml ํ์ผ์ ์ก์ธ์คํ๊ณ ์ฌ์ฉํ๋ ค๋ฉด ์ด๋ป๊ฒ ํด์ผ ํ๋์?
๊ทธ๋ฆฌ๊ณ package-seg.yaml
ํ์ผ์ Ultralytics' GitHub ๋ฆฌํฌ์งํ ๋ฆฌ์์ ํธ์คํ
๋๋ฉฐ ๋ฐ์ดํฐ ์ธํธ์ ๊ฒฝ๋ก, ํด๋์ค ๋ฐ ๊ตฌ์ฑ์ ๋ํ ํ์ ์ ๋ณด๊ฐ ํฌํจ๋์ด ์์ต๋๋ค. ๋ค์์์ ๋ค์ด๋ก๋ํ ์ ์์ต๋๋ค. ์ฌ๊ธฐ. ์ด ํ์ผ์ ๋ฐ์ดํฐ ์งํฉ์ ํจ์จ์ ์ผ๋ก ํ์ฉํ๋๋ก ๋ชจ๋ธ์ ๊ตฌ์ฑํ๋ ๋ฐ ๋งค์ฐ ์ค์ํฉ๋๋ค.
๋ ๋ง์ ์ธ์ฌ์ดํธ์ ์ค์ ์ฌ๋ก๋ ์ฌ์ฉ ๋ฐฉ๋ฒ ์น์ ์ ์ฐธ์กฐํ์ธ์.