Набор данных Package Segmentation Dataset#

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

Набор данных Package Segmentation Dataset от Ultralytics — это тщательно отобранная коллекция из 2 197 размеченных изображений посылок для обучения моделей сегментации экземпляров с одним классом package. Набор предназначен для логистики и автоматизации складов, например для распознавания, сортировки и обработки посылок, и напрямую работает с Ultralytics YOLO, обеспечивая анализ посылок в реальном времени в конвейерах компьютерного зрения. Другие наборы данных для сегментации смотри на нашей странице с обзором наборов данных.

Структура набора данных#

В наборе данных Package Segmentation Dataset 2 197 изображений распределены следующим образом:

• Обучающая выборка: 1 920 изображений для обучения модели глубокого обучения.
• Валидационная выборка: 188 изображений, используемых во время обучения для настройки гиперпараметров и предотвращения переобучения.
• Тестовая выборка: 89 изображений, отложенных для оценки модели после обучения.
• Классы: один класс package, охватывающий все размеченные посылки.
• Размер загрузки: около 103 МБ.

Применение#

Сегментация посылок оптимизирует логистику, доставку последней мили, контроль качества на производстве и системы умного города, а также применяется в обработке заказов электронной коммерции и досмотре для обеспечения безопасности. Точные маски посылок позволяют автоматизированным системам находить, считать и проверять отправления в реальном времени.

Умные склады и логистика#

В современных складских помещениях решения визуального ИИ могут оптимизировать работу, автоматизируя распознавание и сортировку посылок. Модели компьютерного зрения, обученные на этом наборе данных, быстро обнаруживают и сегментируют посылки в реальном времени даже в сложных условиях: при тусклом освещении или загромождённых пространствах. Это ускоряет обработку, снижает количество ошибок и повышает общую эффективность логистических операций.

Контроль качества и обнаружение повреждений#

Модели сегментации посылок могут выявлять повреждённые отправления, анализируя их форму и внешний вид. Обнаруживая неровности или деформации контуров посылок, такие модели помогают обеспечить прохождение по цепочке поставок только целых отправлений, сокращая количество жалоб клиентов и возвратов. Это важная часть контроля качества на производстве, необходимая для сохранения целостности продукции.

Полный набор данных Package Segmentation Dataset также можно просматривать и обрабатывать на Ultralytics Platform.

Файл YAML набора данных#

Файл YAML задаёт конфигурацию набора данных, включая пути, классы и другие важные сведения. Для набора данных Package Segmentation файл package-seg.yaml находится по адресу https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-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 (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

Использование#

Чтобы обучить модель Ultralytics YOLO26n-seg на наборе данных Package Segmentation в течение 100 эпох с размером изображения 640, используй приведённые ниже фрагменты кода. При первом использовании набор данных (около 103 МБ) загружается автоматически. Полный список доступных аргументов смотри на странице модели Обучение.

from ultralytics import YOLO

# Загрузить модель
model = YOLO("yolo26n-seg.pt")  # загрузи предварительно обученную модель сегментации (рекомендуется для обучения)

# Обучение модели на наборе данных Package Segmentation
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# Валидировать модель
results = model.val()

# Выполни инференс на изображении
results = model("path/to/image.jpg")

Примеры данных и аннотаций#

Ниже приведён пример из набора данных Package Segmentation Dataset с наложенными масками сегментации, которые очерчивают обнаруженные посылки:

Набор данных охватывает различные места, условия среды и плотность расположения посылок, поэтому обученные на нём модели видят широкий спектр реальных логистических сцен, на которые им нужно обобщать. О связанных рабочих процессах смотри страницу задачи сегментации.

Цитирование и благодарности#

Если ты используешь набор данных Package Segmentation в исследованиях или разработке, укажи источник в соответствии с правилами цитирования:

@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 },
}

Мы благодарим создателей набора данных Package Segmentation за вклад в сообщество компьютерного зрения. Больше наборов данных смотри в коллекции наборов данных Ultralytics и в нашем руководстве с советами по обучению моделей.

Часто задаваемые вопросы#