Roboflow Conjunto de dados de segmentação de pacotes do universo

O Roboflow Conjunto de dados de segmentação de embalagens é uma coleção de imagens especificamente concebida para tarefas relacionadas com a segmentação de embalagens no domínio da visão por computador. Este conjunto de dados foi concebido para ajudar investigadores, programadores e entusiastas que trabalham em projectos relacionados com a identificação, classificação e manuseamento de embalagens.

Contendo um conjunto diversificado de imagens que mostram várias embalagens em diferentes contextos e ambientes, o conjunto de dados serve como um recurso valioso para treinar e avaliar modelos de segmentação. Quer esteja envolvido em logística, automatização de armazéns ou qualquer aplicação que exija uma análise precisa de embalagens, o Conjunto de Dados de Segmentação de Embalagens fornece um conjunto de imagens direcionado e abrangente para melhorar o desempenho dos seus algoritmos de visão computacional.

Estrutura do conjunto de dados

A distribuição dos dados no conjunto de dados de segmentação de embalagens está estruturada da seguinte forma:

• Conjunto de treino: Inclui 1920 imagens acompanhadas das anotações correspondentes.
• Conjunto de teste: Consiste em 89 imagens, cada uma delas emparelhada com as respectivas anotações.
• Conjunto de validação: Inclui 188 imagens, cada uma com as anotações correspondentes.

Aplicações

A segmentação de embalagens, facilitada pelo Conjunto de Dados de Segmentação de Embalagens, é crucial para otimizar a logística, melhorar a entrega na última milha, melhorar o controlo de qualidade do fabrico e contribuir para soluções de cidades inteligentes. Do comércio eletrónico às aplicações de segurança, este conjunto de dados é um recurso fundamental, promovendo a inovação na visão computacional para aplicações de análise de embalagens diversas e eficientes.

Conjunto de dados YAML

Um ficheiro YAML (Yet Another Markup Language) é utilizado para definir a configuração do conjunto de dados. Ele contém informações sobre os caminhos do conjunto de dados, classes e outras informações relevantes. No caso do conjunto de dados Segmentação de pacotes, o arquivo package-seg.yaml é mantido em https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

# Ultralytics YOLO 🚀, 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
# ├── 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: 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

Utilização

Para treinar o modelo Ultralytics YOLO11n no conjunto de dados Segmentação de pacotes para 100 épocas com um tamanho de imagem de 640, você pode usar os seguintes trechos de código. Para obter uma lista abrangente dos argumentos disponíveis, consulte a página Treinamento do modelo.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

Dados de amostra e anotações

O conjunto de dados de segmentação de pacotes inclui uma coleção variada de imagens e vídeos capturados a partir de múltiplas perspectivas. Abaixo estão exemplos de dados do conjunto de dados, acompanhados das respectivas anotações:

• Esta imagem apresenta uma instância de deteção de objectos de imagem, com caixas delimitadoras anotadas com máscaras que delineiam os objectos reconhecidos. O conjunto de dados incorpora uma coleção diversificada de imagens tiradas em diferentes locais, ambientes e densidades. Serve como um recurso abrangente para o desenvolvimento de modelos específicos para esta tarefa.
• O exemplo realça a diversidade e a complexidade presentes no conjunto de dados VisDrone, sublinhando a importância de dados de sensores de elevada qualidade para tarefas de visão computacional que envolvam drones.

Citações e agradecimentos

Se integrar o conjunto de dados de segmentação de fissuras nas suas iniciativas de investigação ou desenvolvimento, cite o seguinte documento:

@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 },
}

Expressamos a nossa gratidão à equipa Roboflow pelos seus esforços na criação e manutenção do conjunto de dados de Segmentação de Pacotes, um recurso valioso para projectos de logística e investigação. Para obter detalhes adicionais sobre o conjunto de dados de Segmentação de Pacotes e seus criadores, visite a página do conjunto de dados de Segmentação de Pacotes.

FAQ

O que é o conjunto de dados de segmentação de pacotes Roboflow e como pode ser útil em projectos de visão computacional?

O conjunto de dados de segmentação de embalagensRoboflow é uma coleção de imagens com curadoria, concebida para tarefas que envolvem a segmentação de embalagens. Inclui diversas imagens de embalagens em vários contextos, o que o torna inestimável para a formação e avaliação de modelos de segmentação. Este conjunto de dados é particularmente útil para aplicações em logística, automação de armazéns e qualquer projeto que exija uma análise precisa de embalagens. Ajuda a otimizar a logística e a melhorar os modelos de visão para uma identificação e classificação precisas de embalagens.

Como posso treinar um modelo Ultralytics YOLO11 no conjunto de dados de segmentação de pacotes?

É possível treinar um modelo Ultralytics YOLO11n usando os métodos Python e CLI . Utilize os snippets abaixo:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model

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

# Start training from a pretrained *.pt model
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

Para mais informações, consulte a página de formação do modelo.

Quais são os componentes do Conjunto de Dados de Segmentação de Pacotes e como está estruturado?

O conjunto de dados está estruturado em três componentes principais:

• Conjunto de treino: Contém 1920 imagens com anotações.
• Conjunto de teste: Inclui 89 imagens com anotações correspondentes.
• Conjunto de validação: Inclui 188 imagens com anotações.

Esta estrutura assegura um conjunto de dados equilibrado para a formação, validação e teste exaustivos do modelo, melhorando o desempenho dos algoritmos de segmentação.

Por que razão devo utilizar Ultralytics YOLO11 com o conjunto de dados de segmentação de pacotes?

Ultralytics YOLO11 fornece precisão e velocidade de ponta para tarefas de deteção e segmentação de objectos em tempo real. A sua utilização com o Package Segmentation Dataset permite-lhe tirar partido das capacidades do YOLO11 para uma segmentação precisa de embalagens. Esta combinação é especialmente benéfica para sectores como a logística e a automatização de armazéns, onde a identificação precisa de embalagens é fundamental. Para obter mais informações, consulte nossa página sobre YOLO11 segmentação.

Como posso acessar e usar o arquivo package-seg.yaml para o conjunto de dados de segmentação de pacotes?

O package-seg.yaml está alojado no repositório GitHub de Ultralytics e contém informações essenciais sobre os caminhos, as classes e a configuração do conjunto de dados. Pode descarregá-lo a partir de aqui. Este ficheiro é crucial para configurar os seus modelos para utilizar o conjunto de dados de forma eficiente.

Para mais informações e exemplos práticos, explore a nossa secção Utilização.

📅C riado há 10 meses ✏️ Atualizado há 1 mês

Comentários