Roboflow Tập dữ liệu phân đoạn gói vũ trụ

The Roboflow Package Segmentation Dataset is a curated collection of images specifically tailored for tasks related to package segmentation in the field of computer vision. This dataset is designed to assist researchers, developers, and enthusiasts working on projects related to package identification, sorting, and handling.

Chứa một bộ hình ảnh đa dạng hiển thị các gói khác nhau trong các bối cảnh và môi trường khác nhau, bộ dữ liệu đóng vai trò là tài nguyên quý giá để đào tạo và đánh giá các mô hình phân đoạn. Cho dù bạn đang tham gia vào hậu cần, tự động hóa kho hoặc bất kỳ ứng dụng nào yêu cầu phân tích gói hàng chính xác, Bộ dữ liệu phân đoạn gói hàng cung cấp một bộ hình ảnh được nhắm mục tiêu và toàn diện để nâng cao hiệu suất của các thuật toán thị giác máy tính của bạn.

Cấu trúc tập dữ liệu

Việc phân phối dữ liệu trong Tập dữ liệu phân đoạn gói được cấu trúc như sau:

• Bộ đào tạo: Bao gồm các hình ảnh năm 1920 kèm theo các chú thích tương ứng của chúng.
• Bộ thử nghiệm: Bao gồm 89 hình ảnh, mỗi hình ảnh được ghép nối với các chú thích tương ứng.
• Bộ xác thực: Bao gồm 188 hình ảnh, mỗi hình ảnh có chú thích tương ứng.

Ứng dụng

Phân khúc gói hàng, được hỗ trợ bởi Bộ dữ liệu phân đoạn gói hàng, rất quan trọng để tối ưu hóa hậu cần, tăng cường giao hàng chặng cuối, cải thiện kiểm soát chất lượng sản xuất và đóng góp vào các giải pháp thành phố thông minh. Từ thương mại điện tử đến các ứng dụng bảo mật, bộ dữ liệu này là một nguồn tài nguyên quan trọng, thúc đẩy sự đổi mới trong thị giác máy tính cho các ứng dụng phân tích gói đa dạng và hiệu quả.

Tập dữ liệu YAML

Tệp YAML (Yet Another Markup Language) được sử dụng để xác định cấu hình tập dữ liệu. Nó chứa thông tin về đường dẫn, lớp và thông tin liên quan khác của tập dữ liệu. Trong trường hợp tập dữ liệu Phân đoạn gói, package-seg.yaml Tệp được duy trì tại 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://github.com/ultralytics/assets/releases/download/v0.0.0/package-seg.zip

Sử dụng

To train Ultralytics YOLO11n model on the Package Segmentation dataset for 100 epochs with an image size of 640, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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=yolo11n-seg.pt epochs=100 imgsz=640

Dữ liệu mẫu và chú thích

Bộ dữ liệu Phân đoạn gói bao gồm một bộ sưu tập hình ảnh và video đa dạng được chụp từ nhiều góc độ. Dưới đây là các trường hợp dữ liệu từ tập dữ liệu, kèm theo các chú thích tương ứng của chúng:

• This image displays an instance of image object detection, featuring annotated bounding boxes with masks outlining recognized objects. The dataset incorporates a diverse collection of images taken in different locations, environments, and densities. It serves as a comprehensive resource for developing models specific to this task.
• Ví dụ nhấn mạnh sự đa dạng và phức tạp hiện diện trong bộ dữ liệu VisDrone, nhấn mạnh tầm quan trọng của dữ liệu cảm biến chất lượng cao đối với các nhiệm vụ thị giác máy tính liên quan đến máy bay không người lái.

Trích dẫn và xác nhận

Nếu bạn tích hợp bộ dữ liệu phân đoạn crack vào các sáng kiến nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn bài báo sau:

@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 },
}

Chúng tôi bày tỏ lòng biết ơn đối với Roboflow nhóm vì những nỗ lực của họ trong việc tạo và duy trì bộ dữ liệu Phân đoạn gói, một tài sản quý giá cho các dự án hậu cần và nghiên cứu. Để biết thêm chi tiết về tập dữ liệu Phân đoạn gói và người tạo ra tập dữ liệu đó, vui lòng truy cập Trang tập dữ liệu phân đoạn gói.

FAQ

Cái gì Roboflow Tập dữ liệu phân đoạn gói và nó có thể giúp ích như thế nào trong các dự án thị giác máy tính?

Các Roboflow Tập dữ liệu phân đoạn gói là một bộ sưu tập hình ảnh được sắp xếp phù hợp với các tác vụ liên quan đến phân đoạn gói. Nó bao gồm hình ảnh đa dạng của các gói trong các bối cảnh khác nhau, làm cho nó trở nên vô giá cho việc đào tạo và đánh giá các mô hình phân khúc. Bộ dữ liệu này đặc biệt hữu ích cho các ứng dụng trong hậu cần, tự động hóa kho và bất kỳ dự án nào yêu cầu phân tích gói hàng chính xác. Nó giúp tối ưu hóa hậu cần và tăng cường các mô hình trực quan để xác định và phân loại gói hàng chính xác.

How do I train an Ultralytics YOLO11 model on the Package Segmentation Dataset?

You can train an Ultralytics YOLO11n model using both Python and CLI methods. Use the snippets below:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model

# 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=yolo11n-seg.pt epochs=100 imgsz=640

Tham khảo trang Đào tạo mô hình để biết thêm chi tiết.

Các thành phần của Tập dữ liệu phân đoạn gói là gì và nó được cấu trúc như thế nào?

The dataset is structured into three main components:

• Training set: Contains 1920 images with annotations.
• Testing set: Comprises 89 images with corresponding annotations.
• Validation set: Includes 188 images with annotations.

Cấu trúc này đảm bảo một tập dữ liệu cân bằng để đào tạo, xác nhận và thử nghiệm mô hình kỹ lưỡng, nâng cao hiệu suất của các thuật toán phân đoạn.

Why should I use Ultralytics YOLO11 with the Package Segmentation Dataset?

Ultralytics YOLO11 provides state-of-the-art accuracy and speed for real-time object detection and segmentation tasks. Using it with the Package Segmentation Dataset allows you to leverage YOLO11's capabilities for precise package segmentation. This combination is especially beneficial for industries like logistics and warehouse automation, where accurate package identification is critical. For more information, check out our page on YOLO11 segmentation.

Làm cách nào để truy cập và sử dụng tệp package-seg.yaml cho Tập dữ liệu phân đoạn gói?

Các package-seg.yaml Tệp được lưu trữ trên Ultralytics' Kho lưu trữ GitHub và chứa thông tin cần thiết về đường dẫn, lớp và cấu hình của tập dữ liệu. Bạn có thể tải xuống từ Ở đây. Tệp này rất quan trọng để định cấu hình mô hình của bạn để sử dụng tập dữ liệu một cách hiệu quả.

Để biết thêm thông tin chi tiết và ví dụ thực tế, hãy khám phá phần Sử dụng của chúng tôi.

📅 Created 8 months ago ✏️ Updated 10 days ago

Ý kiến