Roboflow Evren Paketi Segmentasyon Veri Seti

Bu Roboflow Paket Segmentasyonu Veri Kümesi, bilgisayarla görme alanında paket segmentasyonu ile ilgili görevler için özel olarak hazırlanmış bir görüntü koleksiyonudur. Bu veri kümesi, paket tanımlama, sıralama ve işleme ile ilgili projeler üzerinde çalışan araştırmacılara, geliştiricilere ve meraklılara yardımcı olmak için tasarlanmıştır.

Farklı bağlamlarda ve ortamlarda çeşitli paketleri sergileyen çeşitli görüntüler içeren veri seti, segmentasyon modellerini eğitmek ve değerlendirmek için değerli bir kaynak görevi görür. Lojistik, depo otomasyonu veya hassas paket analizi gerektiren herhangi bir uygulama ile uğraşıyorsanız, Paket Segmentasyonu Veri Seti, bilgisayarla görme algoritmalarınızın performansını artırmak için hedefli ve kapsamlı bir görüntü seti sağlar.

Veri Kümesi Yapısı

Paket Segmentasyon Veri Setindeki verilerin dağılımı aşağıdaki gibi yapılandırılmıştır:

• Eğitim seti: İlgili açıklamalarıyla birlikte 1920 görüntüyü kapsar.
• Test seti: Her biri ilgili ek açıklamalarla eşleştirilmiş 89 görüntüden oluşur.
• Doğrulama seti: Her biri ilgili açıklamalara sahip 188 görüntüden oluşur.

Uygulamalar

Paket Segmentasyonu Veri Seti tarafından kolaylaştırılan paket segmentasyonu, lojistiği optimize etmek, son kilometre teslimatını geliştirmek, üretim kalite kontrolünü iyileştirmek ve akıllı şehir çözümlerine katkıda bulunmak için çok önemlidir. Bu veri seti, e-ticaretten güvenlik uygulamalarına kadar çeşitli ve verimli paket analizi uygulamaları için bilgisayarla görme alanında inovasyonu teşvik eden önemli bir kaynaktır.

Veri Kümesi YAML

Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Veri kümesinin yolları, sınıfları ve diğer ilgili bilgiler hakkında bilgi içerir. Paket Segmentasyonu veri kümesi söz konusu olduğunda package-seg.yaml dosyası şu adreste tutulur 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://ultralytics.com/assets/package-seg.zip

Kullanım

Ultralytics YOLOv8n modelini 640 görüntü boyutuyla 100 epok için Paket Segmentasyonu veri kümesi üzerinde eğitmek için aşağıdaki kod parçacıklarını kullanabilirsiniz. Kullanılabilir bağımsız değişkenlerin kapsamlı bir listesi için Model Eğitimi sayfasına bakın.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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=yolov8n-seg.pt epochs=100 imgsz=640

Örnek Veriler ve Açıklamalar

Paket Segmentasyonu veri kümesi, farklı perspektiflerden çekilmiş çeşitli görüntü ve video koleksiyonlarından oluşmaktadır. Aşağıda, ilgili açıklamalarıyla birlikte veri kümesinden veri örnekleri yer almaktadır:

• Bu görüntü, tanınan nesnelerin ana hatlarını çizen maskeler ile açıklamalı sınırlayıcı kutular içeren bir görüntü nesnesi algılama örneğini göstermektedir. Veri kümesi, farklı konumlarda, ortamlarda ve yoğunluklarda çekilmiş çeşitli görüntü koleksiyonlarını içermektedir. Bu göreve özel modeller geliştirmek için kapsamlı bir kaynak görevi görür.
• Bu örnek, VisDrone veri setindeki çeşitliliği ve karmaşıklığı vurgulayarak, drone'ları içeren bilgisayarla görme görevleri için yüksek kaliteli sensör verilerinin öneminin altını çizmektedir.

Atıflar ve Teşekkür

Çatlak segmentasyonu veri setini araştırma veya geliştirme girişimlerinize entegre ederseniz, lütfen aşağıdaki makaleye atıfta bulunun:

@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 },
}

Lojistik ve araştırma projeleri için değerli bir varlık olan Paket Segmentasyonu veri setinin oluşturulması ve sürdürülmesindeki çabalarından dolayı Roboflow ekibine şükranlarımızı sunarız. Paket Segmentasyonu veri seti ve yaratıcıları hakkında daha fazla bilgi için lütfen Paket Segmentasyonu Veri Seti Sayfasını ziyaret edin.

Yorumlar