Paket Segmentasyonu Veri Kümesi#

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

Ultralytics Paket Segmentasyonu Veri Kümesi, tek bir package sınıfı üzerinde örnek segmentasyonu modellerini eğitmek için paketlere ait 2.197 açıklamalı görüntüden oluşan, özenle derlenmiş bir koleksiyondur. Paket tanımlama, sıralama ve elleçleme gibi lojistik ve depo otomasyonu kullanım senaryoları için oluşturulan bu veri kümesi, bilgisayarlı görü iş akışlarında gerçek zamanlı paket analizi için Ultralytics YOLO ile doğrudan birlikte çalışır. Diğer segmentasyon veri kümelerini veri kümelerine genel bakış sayfamızda keşfet.

Veri Kümesi Yapısı#

Paket Segmentasyonu Veri Kümesi, 2.197 görüntüsünü şu şekilde ayırır:

• Eğitim kümesi: derin öğrenme modelini eğitmek için kullanılan 1.920 görüntü.
• Doğrulama kümesi: Eğitim sırasında hiperparametreleri ayarlamak ve aşırı öğrenmeyi önlemek için kullanılan 188 görüntü.
• Test kümesi: Eğitim sonrasında modeli değerlendirmek üzere ayrılan 89 görüntü.
• Sınıflar: Açıklamalı tüm paketleri kapsayan tek bir package sınıfı.
• İndirme boyutu: ~103 MB.

Uygulamalar#

Paket segmentasyonu; lojistik, son kilometre teslimatı, üretim kalite kontrolü ve akıllı şehir sistemlerini optimize eder ve e-ticaret sipariş karşılama ile güvenlik taraması gibi alanlarda uygulamalara sahiptir. Hassas paket maskeleri, otomatik sistemlerin kolileri gerçek zamanlı olarak konumlandırmasına, saymasına ve incelemesine olanak tanır.

Akıllı Depolar ve Lojistik#

Modern depolarda görü yapay zekâsı çözümleri, paket tanımlama ve sıralamayı otomatikleştirerek operasyonları kolaylaştırabilir. Bu veri kümesiyle eğitilen bilgisayarlı görü modelleri, düşük aydınlatma veya dağınık alanlar gibi zorlu ortamlarda bile paketleri hızlı bir şekilde tespit edip gerçek zamanlı olarak segmentlere ayırabilir. Bu, lojistik operasyonlarda daha kısa işlem süreleri, daha az hata ve genel verimlilikte artış sağlar.

Kalite Kontrolü ve Hasar Tespiti#

Paket segmentasyonu modelleri, şekillerini ve görünümlerini analiz ederek hasarlı paketleri belirleyebilir. Paket dış hatlarındaki düzensizlikleri veya deformasyonları tespit eden bu modeller, tedarik zincirinde yalnızca sağlam paketlerin ilerlemesini sağlamaya yardımcı olarak müşteri şikâyetlerini ve iade oranlarını azaltır. Bu, üretimde kalite kontrolünün önemli bir unsurudur ve ürün bütünlüğünü korumak için kritik öneme sahiptir.

Paket Segmentasyonu Veri Kümesinin tamamına Ultralytics Platform üzerinden de göz atabilir ve bu veri kümesini yönetebilirsin.

Veri Kümesi YAML'i#

Bir YAML dosyası; yollar, sınıflar ve diğer temel ayrıntılar dahil olmak üzere veri kümesi yapılandırmasını tanımlar. Paket Segmentasyonu veri kümesi için package-seg.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml konumunda tutulur.

# 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

Kullanım#

Paket Segmentasyonu veri kümesi üzerinde bir Ultralytics YOLO26n modelini 100 epoch boyunca ve 640 görüntü boyutuyla eğitmek için aşağıdaki kod parçacıklarını kullan. Veri kümesi (~103 MB) ilk kullanımda otomatik olarak indirilir. Kullanılabilir bağımsız değişkenlerin kapsamlı listesi için modelin Eğitim sayfasına bak.

from ultralytics import YOLO

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

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

# Validate the model
results = model.val()

# Perform inference on an image
results = model("path/to/image.jpg")

Örnek Veriler ve Açıklamalar#

Aşağıda, tespit edilen paketlerin dış hatlarını gösteren ve segmentasyon maskeleri üzerine bindirilmiş Paket Segmentasyonu Veri Kümesinden bir örnek yer alıyor:

Veri kümesi farklı konumları, ortamları ve paket yoğunluklarını kapsar; bu sayede veri kümesiyle eğitilen modeller, genelleme yapabilmek için ihtiyaç duydukları gerçek dünyadaki lojistik sahnelerinin çeşitliliğini görür. İlgili iş akışları için segmentasyon görevi sayfasına bak.

Atıflar ve Teşekkürler#

Paket Segmentasyonu veri kümesini araştırma veya geliştirme çalışmalarına entegre edersen kaynağı lütfen uygun şekilde belirt:

@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 },
}

Paket Segmentasyonu veri kümesini bilgisayarlı görü topluluğuna kazandıran geliştiricilere teşekkür ederiz. Daha fazla veri kümesi için Ultralytics Veri Kümeleri koleksiyonunu ve model eğitimi ipuçları rehberimizi ziyaret et.

SSS#