Oto Parçaları Segmentasyon Veri Kümesi#

Name: Carparts-Seg Dataset
Creator: Gianmarco Russo
License: https://creativecommons.org/licenses/by/4.0/
Keywords: Oto Parçaları Segmentasyon Veri Kümesi, computer vision, otomotiv yapay zeka, araç bakımı, Ultralytics, YOLO, segmentasyon modelleri, deep learning, nesne segmentasyonu

Ultralytics Carparts Segmentasyon Veri Seti; tamponlar, kapılar, ışıklar, aynalar, kaput ve bagaj dahil 23 araç parçası sınıfında 3.833 etiketlenmiş görsel sunar; otomotiv computer vision görevlerinde instance segmentation modellerini eğitmek için tasarlanmıştır. Birden fazla açıdan çekilen ve piksel düzeyinde maskelerle etiketlenen bu set; otomotiv kalite kontrolü ve oto tamirinden sigorta hasar tespiti ile otonom araç algılamasına kadar uzanan kullanım durumları için doğrudan Ultralytics YOLO ile eşleşir.

Watch: How to Segment Carparts with Ultralytics Platform | Train, Deploy & Inference | Ultralytics YOLO26 🚀

Veri Kümesi Yapısı#

Carparts Segmentation Dataset, 3.833 görüntüsünü aşağıdaki şekilde böler:

Training set: Modeli eğitmek için kullanılan deep learning 3.156 görsel.
Validation set: Hyperparameters ayarı yapmak ve validation data üzerinde overfitting durumunu önlemek için eğitim sırasında kullanılan 401 görsel.
Test seti: Eğitimden sonra modeli ayrılmış test data üzerinde değerlendirmek için kullanılan 276 görüntü.
Sınıflar: Toplamda 23 - 22 adlandırılmış araç parçası kategorisi (tamponlar, kapılar, ışıklar, cam, aynalar, kaput, bagaj kapağı, bagaj ve tekerlekler) ve bu kategorilerin dışındaki parçalar için genel bir object sınıfı.
İndirme boyutu: ~133 MB.

Uygulamalar#

Oto Parçaları Segmentasyonu, aşağıdakiler dahil olmak üzere çeşitli alanlarda uygulama bulur:

Otomotiv Kalite Kontrolü: Üretim sırasında araç parçalarındaki kusurların veya tutarsızlıkların belirlenmesi (AI in Manufacturing).
Oto Tamiri: Tamir veya değişim gerektiren parçaların tanımlanmasında teknisyenlere yardımcı olunması.
E-ticaret Kataloglama: E-commerce platformları için çevrimiçi mağazalardaki araç parçalarının otomatik olarak etiketlenmesi ve kategorize edilmesi.
Trafik İzleme: Trafik gözetim görüntülerindeki araç bileşenlerinin analiz edilmesi.
Otonom Araçlar: Çevredeki araçları daha iyi anlamak için self-driving cars algılama sistemlerinin geliştirilmesi.
Sigorta İşlemleri: Sigorta talepleri sırasında etkilenen oto parçalarını tanımlayarak hasar tespitinin otomatikleştirilmesi.
Geri Dönüşüm: Verimli geri dönüşüm süreçleri için araç bileşenlerinin ayrıştırılması.
Akıllı Şehir Girişimleri: Smart Cities dahilindeki kentsel planlama ve trafik yönetimi sistemleri için veri sağlanması.

Eksiksiz Carparts Segmentation Dataset aynı zamanda Ultralytics Platform üzerinden de incelenebilir ve yönetilebilir.

Veri Kümesi YAML#

Bir YAML dosyası, yollar, sınıf adları ve diğer önemli ayrıntılar dahil olmak üzere veri seti yapılandırmasını tanımlar. Carparts Segmentation veri seti için carparts-seg.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml adresinde mevcuttur. YAML formatı hakkında daha fazla bilgiyi yaml.org adresinden edinebilirsin.

ultralytics/cfg/datasets/carparts-seg.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/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 (133 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: carparts-seg # dataset root dir
train: images/train # train images (relative to 'path') 3156 images
val: images/val # val images (relative to 'path') 401 images
test: images/test # test images (relative to 'path') 276 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://github.com/ultralytics/assets/releases/download/v0.0.0/carparts-seg.zip

Kullanım#

Carparts Segmentation veri setinde bir Ultralytics YOLO26 modelini 640 görsel boyutuyla 100 epochs boyunca eğitmek için şu kod parçacıklarını kullanabilirsin. Mevcut argümanların kapsamlı bir listesi için model Training guide sayfasına göz at ve en iyi uygulamalar için model training tips kısmını incele.

Eğitim Örneği

from ultralytics import YOLO

# Load a pretrained segmentation model like YOLO26n-seg
model = YOLO("yolo26n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model on the Carparts Segmentation dataset
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)

# After training, you can validate the model's performance on the validation set
results = model.val()

# Or perform prediction on new images or videos
results = model.predict("path/to/your/image.jpg")

Örnek Veriler ve Etiketler#

Aşağıda, bireysel araç parçalarının nasıl çizildiğini ve etiketlendiğini gösteren, object segmentation maskeleri yerleştirilmiş Carparts Segmentation Dataset örnek bir görüntüsü bulunmaktadır:

Car parts segmentation dataset sample image

Veri kümesi, çeşitli konumları, aydınlatma koşullarını ve nesne yoğunluklarını kapsar; bu sayede üzerinde eğitilen modellere, gerçek dünya sahnelerinde genelleme yapmak için ihtiyaç duyacakları çeşitliliği sağlar.

Alıntılar ve Teşekkür#

Oto Parçaları Segmentasyon veri kümesini araştırmalarında veya geliştirme çalışmalarında kullanıyorsan, lütfen orijinal kaynağı şu şekilde belirt:

Alıntı

@misc{car-seg-un1pm_dataset,
      title = { car-seg Dataset },
      type = { Open Source Dataset },
      author = { Gianmarco Russo },
      url = { https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm },
      year = { 2023 },
      month = { nov },
      note = { visited on 2024-01-24 },
}

Computer vision topluluğu için bu değerli veri setini oluşturdukları ve sürdürdükleri için Gianmarco Russo'nun ve Roboflow ekibinin katkılarını takdir ediyoruz. Daha fazla veri seti için Ultralytics Datasets collection adresini ziyaret et.

SSS#

Carparts Segmentation Dataset nedir ve Ultralytics YOLO26 içinde nasıl kullanılır?#

Carparts Segmentation Dataset; tamponlar, kapılar, ışıklar, aynalar, kaput, bagaj ve daha fazlasını içeren 23 araç parçası sınıfına yayılan, instance segmentation modellerini eğitmek ve değerlendirmek üzere derlenmiş 3.833 etiketlenmiş görselden oluşan bir koleksiyondur. Kalite kontrolü, oto tamir ve hasar tespiti gibi otomotiv bilgisayarlı görü uygulamaları için oluşturulmuştur ve carparts-seg.yaml yapılandırma dosyası aracılığıyla doğrudan Ultralytics YOLO26 ile kullanılır.

Carparts Segmentation Dataset kaç görüntü ve sınıf içeriyor?#

Veri seti toplam 3.833 görüntüden oluşmaktadır — eğitim için 3.156, doğrulama için 401 ve test için 276 — 23 sınıf arasında dağılmıştır: 22 adlandırılmış araç parçası kategorisi ve bunların dışındaki parçalar için genel bir object sınıfı. Tam arşiv, ilk kullanımda ~133 MB'lık bir .zip olarak otomatik olarak indirilir.

Carparts Segmentation Dataset üzerinde bir Ultralytics YOLO26 modelini nasıl eğitebilirim?#

Önceden eğitilmiş bir segmentasyon modeli yükle (örn. yolo26n-seg.pt) ve yukarıdaki Usage bölümünde yer alan Python veya CLI kod parçacıklarını kullanarak bunu carparts-seg.yaml yapılandırmasıyla eğit. Mevcut argümanların tam listesi için Training guide sayfasına bak.

Carparts Segmentation Dataset'in bazı uygulama alanları nelerdir?#

Carparts segmentation; otomotiv kalite kontrolünü, oto tamirini, e-ticaret kataloglamasını, trafik izlemeyi, otonom araç algılamasını, sigorta hasar değerlendirmesini, geri dönüşümü ve akıllı şehir girişimlerini destekler — her bir kullanım durumu hakkında ayrıntılar için yukarıdaki Applications bölümüne bak.

Oto Parçaları Segmentasyonu için veri kümesi yapılandırma dosyasını nerede bulabilirim?#

Veri seti yolları ve sınıfları hakkında ayrıntılar içeren carparts-seg.yaml veri seti yapılandırma dosyası, Ultralytics GitHub deposunda yer almaktadır: carparts-seg.yaml.