Roboflow 宇宙汽车配件分类数据集
汽车部件分割数据集 Roboflow汽车零件分割数据集是一个专为计算机视觉应用而设计的图像和视频集合,尤其侧重于与汽车零件相关的分割任务。该数据集提供了一组从多个角度捕捉的多样化视觉图像,为训练和测试分割模型提供了宝贵的注释示例。
无论您是从事汽车研究、为车辆维护开发人工智能解决方案,还是探索计算机视觉应用,Carparts 细分数据集都是您提高项目准确性和效率的宝贵资源。
观看: 使用Ultralytics HUB 进行 Carparts 实例分割
数据集结构
Carparts 细分数据集的数据分布如下所示:
- 训练集:包括 3156 幅图像,每幅图像都附有相应的注释。
- 测试集:由 276 幅图像组成,每幅图像都配有相应的注释。
- 验证集:由 401 幅图像组成,每幅图像都有相应的注释。
应用
汽车零部件分类可应用于汽车质量控制、汽车维修、电子商务编目、交通监控、自动驾驶汽车、保险处理、回收利用和智能城市计划。它通过准确识别和分类不同的汽车零部件来简化流程,从而提高各行业的效率和自动化程度。
数据集 YAML
YAML(另一种标记语言)文件用于定义数据集配置。它包含数据集的路径、类和其他相关信息。以包分割数据集为例,YAML 文件中的 carparts-seg.yaml
文件保存在 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/carparts-seg.yaml.
ultralytics/cfg/datasets/carparts-seg.yaml
# Ultralytics YOLO 🚀, AGPL-3.0 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 (132 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/carparts-seg # dataset root dir
train: train/images # train images (relative to 'path') 3516 images
val: valid/images # val images (relative to 'path') 276 images
test: test/images # test images (relative to 'path') 401 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://ultralytics.com/assets/carparts-seg.zip
使用方法
要在图像大小为 640 的 Carparts Segmentation 数据集上对Ultralytics YOLOv8n 模型进行 100 次训练,可以使用以下代码片段。有关可用参数的完整列表,请参阅模型训练页面。
列车示例
样本数据和注释
Carparts Segmentation 数据集包含一系列从不同角度拍摄的图像和视频。下面是数据集中的数据示例及其相应的注释:
- 这张图片展示了样本中的物体分割,其特点是在已识别物体的周围标注了带遮罩的边界框。该数据集由在不同地点、环境和密度下捕获的各种图像组成,是制作该任务专用模型的综合资源。
- 这一实例凸显了数据集固有的多样性和复杂性,强调了高质量数据在计算机视觉任务中的关键作用,尤其是在汽车零件分割领域。
引文和致谢
如果您将 Carparts 细分数据集集成到您的研究或开发项目中,请参考以下论文:
@misc{ car-seg-un1pm_dataset,
title = { car-seg Dataset },
type = { Open Source Dataset },
author = { Gianmarco Russo },
howpublished = { \url{ https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm } },
url = { https://universe.roboflow.com/gianmarco-russo-vt9xr/car-seg-un1pm },
journal = { Roboflow Universe },
publisher = { Roboflow },
year = { 2023 },
month = { nov },
note = { visited on 2024-01-24 },
}
我们对Roboflow 团队在开发和管理 Carparts Segmentation 数据集方面的奉献精神表示感谢,该数据集是车辆维护和研究项目的宝贵资源。有关 Carparts Segmentation 数据集及其创建者的更多详情,请访问CarParts Segmentation 数据集页面。