Roboflow Набор данных для сегментации вселенных карпартов
Сайт Roboflow Carparts Segmentation Dataset - это коллекция изображений и видео, предназначенная для приложений компьютерного зрения, в частности для задач сегментации, связанных с деталями автомобилей. Этот набор данных представляет собой разнообразный набор визуальных изображений, снятых с разных точек зрения, и предлагает ценные аннотированные примеры для обучения и тестирования моделей сегментации.
Если ты занимаешься исследованиями в области автомобилестроения, разрабатываешь ИИ-решения для обслуживания автомобилей или изучаешь приложения для компьютерного зрения, то Carparts Segmentation Dataset послужит ценным ресурсом для повышения точности и эффективности твоих проектов.
Смотри: Сегментация экземпляров Carparts с помощью Ultralytics HUB
Структура набора данных
Распределение данных в наборе Carparts Segmentation Dataset организовано так, как описано ниже:
- Тренировочный набор: Включает 3156 изображений, каждое из которых сопровождается соответствующими аннотациями.
- Набор для тестирования: Состоит из 276 изображений, каждое из которых сопряжено с соответствующими аннотациями.
- Валидационный набор: Состоит из 401 изображения, каждое из которых имеет соответствующие аннотации.
Приложения
Сегментация Carparts находит применение в контроле качества автомобилей, авторемонте, каталогизации электронной коммерции, мониторинге трафика, автономных транспортных средствах, оформлении страховки, переработке отходов и инициативах "умного города". Он оптимизирует процессы за счет точной идентификации и категоризации различных компонентов автомобиля, способствуя повышению эффективности и автоматизации в различных отраслях.
Набор данных YAML
Для определения конфигурации набора данных используется файл YAML (Yet Another Markup Language). В нем содержится информация о путях, классах и других важных сведениях набора данных. В случае с набором данных Package Segmentation файл carparts-seg.yaml
файл хранится по адресу https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml.
ultralytics/cfg/datasets/carparts-seg.yaml
# Ultralytics YOLO 🚀, AGPL-3.0 license
# Carparts-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/carparts-seg/
# Example usage: yolo train data=carparts-seg.yaml
# parent
# ├── ultralytics
# └── datasets
# └── carparts-seg ← downloads here (132 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/carparts-seg # dataset root dir
train: train/images # train images (relative to 'path') 3516 images
val: valid/images # val images (relative to 'path') 276 images
test: test/images # test images (relative to 'path') 401 images
# Classes
names:
0: back_bumper
1: back_door
2: back_glass
3: back_left_door
4: back_left_light
5: back_light
6: back_right_door
7: back_right_light
8: front_bumper
9: front_door
10: front_glass
11: front_left_door
12: front_left_light
13: front_light
14: front_right_door
15: front_right_light
16: hood
17: left_mirror
18: object
19: right_mirror
20: tailgate
21: trunk
22: wheel
# Download script/URL (optional)
download: https://ultralytics.com/assets/carparts-seg.zip
Использование
Чтобы обучить модель Ultralytics YOLOv8n на наборе данных Carparts Segmentation в течение 100 эпох при размере изображения 640, ты можешь использовать следующие фрагменты кода. Полный список доступных аргументов можно найти на странице обучения модели.
Пример поезда
Образцы данных и аннотации
Набор данных Carparts Segmentation включает в себя разнообразные изображения и видео, снятые с разных ракурсов. Ниже ты найдешь примеры данных из этого набора вместе с соответствующими аннотациями:
- Это изображение иллюстрирует сегментацию объектов в образце, показывая аннотированные ограничительные рамки с масками вокруг идентифицированных объектов. Набор данных состоит из разнообразных изображений, снятых в разных местах, в разных условиях и с разной плотностью, что служит всеобъемлющим ресурсом для создания моделей, специфичных для этой задачи.
- Этот случай подчеркивает разнообразие и сложность, присущие набору данных, подчеркивая решающую роль высококачественных данных в задачах компьютерного зрения, особенно в области сегментации деталей автомобиля.
Цитаты и благодарности
Если ты интегрируешь набор данных Carparts Segmentation в свои исследовательские проекты или проекты по разработке, пожалуйста, сделай ссылку на следующий документ:
@misc{ car-seg-un1pm_dataset,
title = { car-seg Dataset },
type = { Open Source Dataset },
author = { Gianmarco Russo },
howpublished = { \url{ https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm } },
url = { https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm },
journal = { Roboflow Universe },
publisher = { Roboflow },
year = { 2023 },
month = { nov },
note = { visited on 2024-01-24 },
}
Мы выражаем благодарность команде Roboflow за их самоотверженность в разработке и управлении набором данных Carparts Segmentation - ценным ресурсом для технического обслуживания автомобилей и исследовательских проектов. Дополнительную информацию о наборе данных Carparts Segmentation и его создателях можно найти на странице CarParts Segmentation Dataset.