Skip to content

Roboflow Universe Carparts分割数据集

Roboflow的Carparts分割数据集是一个精心策划的图像和视频集合，专为计算机视觉应用设计，特别是专注于与汽车零部件相关的分割任务。该数据集提供了从多个角度捕捉的多样化视觉内容，为训练和测试分割模型提供了宝贵的标注示例。

无论您是在进行汽车研究、开发用于车辆维护的AI解决方案，还是探索计算机视觉应用，Carparts分割数据集都是提升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分割数据集内的数据分布如下组织：

  • 训练集: 包含3156张图像，每张图像附有相应的标注。
  • 测试集: 包含276张图像，每张图像附有相应的标注。
  • 验证集: 包含401张图像，每张图像附有相应的标注。

应用

Carparts分割在汽车质量控制、汽车维修、电子商务目录、交通监控、自动驾驶车辆、保险处理、回收和智慧城市倡议中找到应用。它通过准确识别和分类不同的车辆部件，简化了流程，为各行业的效率和自动化做出了贡献。

数据集YAML

YAML（Yet Another Markup Language）文件用于定义数据集配置。它包含有关数据集路径、类别和其他相关信息的内容。在Package分割数据集的情况下，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://github.com/ultralytics/assets/releases/download/v0.0.0/carparts-seg.zip

使用方法

要在Carparts分割数据集上训练Ultralytics YOLO11n模型100个epoch，图像大小为640，您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。

训练示例

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n-seg.pt")  # 加载预训练模型（推荐用于训练）

# 训练模型
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)

# 从预训练的*.pt模型开始训练
yolo segment train data=carparts-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

样本数据和标注

Carparts分割数据集包括从各种角度拍摄的多样化图像和视频。以下是数据集中的数据示例及其相应的标注：

数据集样本图像

  • 此图像展示了样本中的对象分割，标注的边界框带有围绕识别对象的掩码。数据集由在各种位置、环境和密度下拍摄的多样化图像组成，是针对此任务构建模型的全面资源。
  • 此实例突出了数据集的多样性和复杂性，强调了高质量数据在计算机视觉任务中的关键作用，特别是在汽车零部件分割领域。

引用和致谢

如果您将Carparts分割数据集整合到您的研究或开发项目中，请引用以下论文：

@misc{ car-seg-un1pm_dataset,
     title = { 汽车分割数据集 },
     type = { 开源数据集 },
     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 = { 11月 },
     note = { 访问于2024-01-24 },
 }

我们向Roboflow团队表示感谢，感谢他们在开发和管理汽车零件分割数据集方面的努力，这是一个对车辆维护和研究项目非常有价值的资源。有关汽车零件分割数据集及其创建者的更多详情，请访问汽车零件分割数据集页面。

常见问题

什么是Roboflow汽车零件分割数据集？

Roboflow汽车零件分割数据集是一个精心策划的图像和视频集合，专门为计算机视觉中的汽车零件分割任务设计。该数据集包括从多个角度捕捉的多样化视觉内容，使其成为训练和测试汽车应用分割模型的宝贵资源。

如何将汽车零件分割数据集与Ultralytics YOLO11一起使用？

要在汽车零件分割数据集上训练YOLO11模型，您可以按照以下步骤操作：

训练示例

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n-seg.pt")  # 加载预训练模型（推荐用于训练）

# 训练模型
results = model.train(data="carparts-seg.yaml", epochs=100, imgsz=640)

# 从预训练的*.pt模型开始训练
yolo segment train data=carparts-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

更多详情，请参阅训练文档。

汽车零件分割有哪些应用？

汽车零件分割可以广泛应用于以下领域：

  • 汽车质量控制
  • 汽车维修和保养
  • 电子商务目录管理
  • 交通监控
  • 自动驾驶车辆
  • 保险理赔处理
  • 回收计划
  • 智慧城市项目

这种分割有助于准确识别和分类不同的车辆组件，提高这些行业的效率和自动化水平。

我可以在哪里找到汽车零件分割的数据集配置文件？

汽车零件分割数据集的配置文件carparts-seg.yaml可以在以下位置找到：carparts-seg.yaml。

我为什么要使用汽车零件分割数据集？

汽车零件分割数据集提供了丰富的标注数据，对于开发高准确性的汽车计算机视觉分割模型至关重要。该数据集的多样性和详细标注提高了模型训练效果，非常适合应用于车辆维护自动化、提升车辆安全系统和支持自动驾驶技术等场景。与强大的数据集合作可以加速AI开发并确保更好的模型性能。

更多详情，请访问汽车零件分割数据集页面。


📅 Created 8 months ago ✏️ Updated 13 days ago
UltralyticsAssistant glenn-jocher MatthewNoyce RizwanMunawar

Comments