مجموعة بيانات COCO12-Formats

مقدمة

The Ultralytics COCO12-Formats هي مجموعة بيانات اختبار متخصصة مصممة للتحقق من صحة تحميل الصور عبر جميع امتدادات تنسيقات الصور الـ 12 المدعومة. تحتوي على 12 صورة (6 للتدريب و 6 للتحقق)، كل منها محفوظة بتنسيق مختلف لضمان إجراء اختبار شامل لخط أنابيب تحميل الصور.

هذه المجموعة من البيانات ذات قيمة لا تقدر بثمن من أجل:

• اختبار دعم تنسيقات الصور: تحقق من تحميل جميع التنسيقات المدعومة بشكل صحيح
• خطوط أنابيب CI/CD: الاختبار الآلي لتوافق التنسيق
• تصحيح الأخطاء: عزل المشكلات الخاصة بالتنسيق في خطوط التدريب
• التطوير: التحقق من صحة الإضافات أو التغييرات الجديدة في التنسيق

التنسيقات المدعومة

تتضمن مجموعة البيانات صورة واحدة لكل من امتدادات التنسيقات المدعومة الـ 12 المحددة في ultralytics/data/utils.py:

هيكل مجموعة البيانات

coco12-formats/
├── images/
│   ├── train/          # 6 images (avif, bmp, dng, heic, jpeg, jpg)
│   └── val/            # 6 images (jp2, mpo, png, tif, tiff, webp)
├── labels/
│   ├── train/          # Corresponding YOLO format labels
│   └── val/
└── coco12-formats.yaml # Dataset configuration

ملف YAML لمجموعة البيانات

يتم تكوين مجموعة بيانات COCO12-Formats باستخدام ملف YAML الذي يحدد مسارات مجموعة البيانات وأسماء الفئات. يمكنك مراجعة الملف الرسمي coco12-formats.yaml الملف في مستودع Ultralytics GitHub.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# COCO12-Formats dataset (12 images testing all supported image formats) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco12-formats/
# Example usage: yolo train data=coco12-formats.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco12-formats ← downloads here (1 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: coco12-formats # dataset root dir
train: images/train # train images (relative to 'path') 6 images
val: images/val # val images (relative to 'path') 6 images
test: # test images (optional)

# Classes
names:
  0: person
  1: bicycle
  2: car
  3: motorcycle
  4: airplane
  5: bus
  6: train
  7: truck
  8: boat
  9: traffic light
  10: fire hydrant
  11: stop sign
  12: parking meter
  13: bench
  14: bird
  15: cat
  16: dog
  17: horse
  18: sheep
  19: cow
  20: elephant
  21: bear
  22: zebra
  23: giraffe
  24: backpack
  25: umbrella
  26: handbag
  27: tie
  28: suitcase
  29: frisbee
  30: skis
  31: snowboard
  32: sports ball
  33: kite
  34: baseball bat
  35: baseball glove
  36: skateboard
  37: surfboard
  38: tennis racket
  39: bottle
  40: wine glass
  41: cup
  42: fork
  43: knife
  44: spoon
  45: bowl
  46: banana
  47: apple
  48: sandwich
  49: orange
  50: broccoli
  51: carrot
  52: hot dog
  53: pizza
  54: donut
  55: cake
  56: chair
  57: couch
  58: potted plant
  59: bed
  60: dining table
  61: toilet
  62: tv
  63: laptop
  64: mouse
  65: remote
  66: keyboard
  67: cell phone
  68: microwave
  69: oven
  70: toaster
  71: sink
  72: refrigerator
  73: book
  74: clock
  75: vase
  76: scissors
  77: teddy bear
  78: hair drier
  79: toothbrush

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco12-formats.zip

إنشاء مجموعة البيانات

يمكن إنشاء مجموعة البيانات باستخدام البرنامج النصي المرفق الذي يحول الصور المصدرية من COCO8 COCO128 جميع التنسيقات المدعومة:

from ultralytics.data.scripts.generate_coco12_formats import generate_coco12_formats

# Generate the dataset
generate_coco12_formats()

المتطلبات

تتطلب بعض التنسيقات تبعيات إضافية:

pip install pillow pillow-heif pillow-avif-plugin

مكتبة نظام AVIF (اختياري)

OpenCV يقرأ OpenCV ملفات AVIF مباشرة، libavif يجب تثبيته قبل بناء OpenCV:

brew install libavif

sudo apt install libavif-dev libavif-bin

git clone -b v1.2.1 https://github.com/AOMediaCodec/libavif.git
cd libavif
cmake -B build -DAVIF_CODEC_AOM=SYSTEM -DAVIF_BUILD_APPS=ON
cmake --build build --config Release --parallel
sudo cmake --install build

الاستخدام

لتدريب YOLO على مجموعة بيانات COCO12-Formats، استخدم الأمثلة التالية:

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Train on COCO12-Formats to test all image formats
results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=640)

# Train YOLO on COCO12-Formats
yolo detect train data=coco12-formats.yaml model=yolo26n.pt epochs=1 imgsz=640

ملاحظات خاصة بالتنسيق

AVIF (تنسيق ملف الصور AV1)

AVIF هو تنسيق صور حديث يعتمد على برنامج ترميز الفيديو AV1، ويوفر ضغطًا ممتازًا. يتطلب pillow-avif-plugin:

pip install pillow-avif-plugin

DNG (سلبي رقمي)

DNG هو تنسيق RAW مفتوح من Adobe يعتمد على TIFF. لأغراض الاختبار، تستخدم مجموعة البيانات ملفات تعتمد على TIFF مع .dng تمديد.

JP2 (JPEG 2000)

JPEG 2000 هو معيار ضغط الصور القائم على الموجات الصغيرة الذي يوفر ضغطًا وجودة أفضل من JPEG التقليدي. يستخدم بشكل شائع في التصوير الطبي (DICOM) والتطبيقات الجغرافية المكانية والسينما الرقمية. مدعوم أصلاً من قبل OpenCV Pillow.

MPO (كائن متعدد الصور)

تُستخدم ملفات MPO للصور المجسمة (ثلاثية الأبعاد). تخزن مجموعة البيانات بيانات JPEG القياسية مع .mpo امتداد لاختبار التنسيق.

HEIC (ترميز الصور عالي الكفاءة)

يتطلب HEIC pillow-heif حزمة للترميز الصحيح:

pip install pillow-heif

حالات الاستخدام

اختبار CI/CD

from ultralytics import YOLO


def test_all_image_formats():
    """Test that all image formats load correctly."""
    model = YOLO("yolo26n.pt")
    results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=64)
    assert results is not None

التحقق من صحة التنسيق

from pathlib import Path

from ultralytics.data.utils import IMG_FORMATS

# Verify all formats are represented
dataset_dir = Path("datasets/coco12-formats/images")
found_formats = {f.suffix[1:].lower() for f in dataset_dir.rglob("*.*")}
assert found_formats == IMG_FORMATS, f"Missing formats: {IMG_FORMATS - found_formats}"

الاقتباسات والإقرارات

إذا كنت تستخدم مجموعة COCO في بحثك، يرجى الإشارة إلى:

@misc{lin2015microsoft,
      title={Microsoft COCO: Common Objects in Context},
      author={Tsung-Yi Lin and Michael Maire and Serge Belongie and Lubomir Bourdev and Ross Girshick and James Hays and Pietro Perona and Deva Ramanan and C. Lawrence Zitnick and Piotr Doll{\'a}r},
      year={2015},
      eprint={1405.0312},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

الأسئلة الشائعة

ما الغرض من استخدام مجموعة بيانات COCO12-Formats؟

تم تصميم مجموعة بيانات COCO12-Formats لاختبار توافق تنسيقات الصور في خطوط أنابيبYOLO Ultralytics YOLO . وهي تضمن تحميل ومعالجة جميع تنسيقات الصور الـ 12 المدعومة (AVIF، BMP، DNG، HEIC، JP2، JPEG، JPG، MPO، PNG، TIF، TIFF، WebP) بشكل صحيح.

لماذا يتم اختبار تنسيقات صور متعددة؟

تتميز تنسيقات الصور المختلفة بخصائص فريدة (الضغط، عمق البت، مساحات الألوان). يضمن اختبار جميع التنسيقات ما يلي:

• كود تحميل صور قوي
• التوافق عبر مجموعات البيانات المتنوعة
• الكشف المبكر عن الأخطاء الخاصة بالتنسيق

ما هي التنسيقات التي تتطلب تبعيات خاصة؟

• AVIF: يتطلب pillow-avif-plugin
• HEIC: يتطلب pillow-heif

هل يمكنني إضافة اختبارات بتنسيق جديد؟

نعم! قم بتعديل generate_coco12_formats.py نص برمجي لإضافة تنسيقات إضافية. تأكد أيضًا من تحديث IMG_FORMATS في ultralytics/data/utils.py.

📅 تم الإنشاء قبل 0 أيام ✏️ تم التحديث قبل 0 أيام

تعليقات