Link to this sectionCarparts Segmentation Dataset#

Name: Carparts-Seg 数据集
Creator: Gianmarco Russo
License: https://creativecommons.org/licenses/by/4.0/
Keywords: Carparts Segmentation Dataset, 计算机视觉, 汽车 AI, 车辆维护, Ultralytics, YOLO, 分割模型, 深度学习, 对象分割

Ultralytics Carparts Segmentation Dataset 提供了 3,833 张带有标注的图像，涵盖 23 个汽车零件类别（包括保险杠、车门、车灯、后视镜、引擎盖和后备箱），旨在为你训练实例分割模型以处理汽车计算机视觉任务。这些图像从多个角度拍摄，并带有像素级标注掩码，可直接配合 Ultralytics YOLO 使用，适用于汽车质量控制、汽车维修、保险理赔损坏评估以及自动驾驶感知等多种场景。

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

Link to this section数据集结构#

Carparts Segmentation Dataset 将其 3,833 张图像划分如下：

训练集：3,156 张图像，用于训练深度学习模型。
Validation set: 401 images used during training to tune hyperparameters and prevent overfitting on validation data.
测试集：276 张图像，用于在训练后在留出的测试数据上评估模型。
类别：总计 23 个，包括 22 个命名汽车零部件类别（保险杠、车门、车灯、玻璃、后视镜、引擎盖、尾门、后备箱和车轮），以及一个用于处理这些类别之外部件的通用 object 类。
下载大小：约 133 MB。

Link to this section应用#

Carparts Segmentation 可应用于多个领域，包括：

汽车质量控制：在制造过程中识别汽车零部件的缺陷或不一致之处 (AI in Manufacturing)。
汽车维修：协助技师识别需要维修或更换的零件。
电子商务编目：为电子商务平台在线商店中的汽车零件进行自动标记和分类。
交通监控：分析交通监控录像中的车辆组件。
自动驾驶汽车：增强自动驾驶汽车的感知系统，使其更好地理解周围的车辆。
保险理赔处理：通过在保险理赔期间识别受损的汽车部件，实现损坏评估的自动化。
回收：对车辆组件进行分类，以实现高效的回收流程。
智慧城市计划：为智慧城市内的城市规划和交通管理系统提供数据支持。

完整的 Carparts Segmentation Dataset 也可以在 Ultralytics Platform 上进行浏览和管理。

Link to this section数据集 YAML#

YAML 文件定义了数据集配置，包括路径、类别名称以及其他关键细节。对于 Carparts 分割数据集，carparts-seg.yaml 文件位于 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml。你可以在 yaml.org 了解更多关于 YAML 格式的信息。

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

Link to this section用法#

若要在 Carparts Segmentation 数据集上以 640 的图像尺寸训练 Ultralytics YOLO26 模型 100 个轮次，请使用以下代码片段。有关可用参数的完整列表，请参考模型训练指南，并探索模型训练技巧以获取最佳实践。

训练示例

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")

Link to this section示例数据与标注#

以下是 Carparts Segmentation Dataset 中的示例图像及其覆盖的对象分割掩码，展示了单个汽车部件是如何被勾勒和标注的：

Car parts segmentation dataset sample image

该数据集涵盖了不同的地理位置、光照条件和对象密度，使在此数据集上训练的模型能够接触到它们在现实场景中泛化所需的各种情况。

Link to this section引用与致谢#

如果你在研究或开发工作中使用 Carparts Segmentation 数据集，请引用原始来源：

引用

@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 },
}

我们感谢 Gianmarco Russo 和 Roboflow 团队为计算机视觉社区创建并维护了这一宝贵的数据集。如需更多数据集，请访问 Ultralytics Datasets collection。

Link to this section常见问题解答#

Link to this section什么是 Carparts Segmentation Dataset，它在 Ultralytics YOLO26 中是如何使用的？#

The Carparts Segmentation Dataset is a curated collection of 3,833 annotated images spanning 23 car-part classes — bumpers, doors, lights, mirrors, hood, trunk, and more — for training and evaluating instance segmentation models. It's built for automotive computer vision applications like quality control, auto repair, and damage assessment, and is used directly with Ultralytics YOLO26 via the carparts-seg.yaml configuration file.