مجموعة بيانات COCO8-Grayscale#

8

coco8 grayscale

ultralytics

publicDetect

COCO8 Grayscale is a monochrome derivative of the eight-image COCO smoke-test set for validating single-channel detection pipelines. It uses four training and four validation images with real object boxes and generic class IDs as a compact format utility.

76 classes789.4 KBSep 2, 2026

class0class1class2class3+72

مقدمة#

تُعد مجموعة بيانات COCO8-Grayscale التابعة لـ Ultralytics مجموعة بيانات مدمجة لكنها قوية لـ اكتشاف الأجسام، وتتكوّن من أول 8 صور من مجموعة COCO train 2017، وقد حُوّلت إلى صيغة التدرج الرمادي—4 صور للتدريب و4 صور للتحقق. صُممت مجموعة البيانات هذه خصيصًا للاختبار السريع وتصحيح الأخطاء وإجراء التجارب على نماذج YOLO بالتدرج الرمادي وخطوط أنابيب التدريب. ويجعل حجمها الصغير إدارتها سهلة للغاية، بينما يضمن تنوعها أن تكون أداة فعالة للتحقق الأولي قبل التوسع إلى مجموعات بيانات أكبر.

بنية مجموعة البيانات#

تحاكي COCO8-Grayscale مجموعة COCO8—أول 8 صور من مجموعة COCO train 2017، مقسمة إلى 4 صور للتدريب و4 صور للتحقق عبر جميع فئات الأجسام الثمانين في COCO—لكن كل صورة تُخزّن كصورة تدرج رمادي أحادية القناة (channels: 1) بتنسيق تسميات YOLO:

coco8-grayscale/
├── images/
│   ├── train/   # 4 images
│   └── val/     # 4 images
└── labels/
    ├── train/
    └── val/

استكشف COCO8-Grayscale على منصة Ultralytics لتصفح كل صورة مع تراكبات التعليقات التوضيحية الخاصة بها، وعرض توزيع الفئات وخرائط كثافة مربعات الإحاطة في علامة التبويب المخططات، واستنساخها لتدريب نموذجك الخاص في السحابة.

YAML مجموعة البيانات#

يُحدَّد إعداد مجموعة بيانات COCO8-Grayscale في ملف YAML، الذي ي specify مسارات مجموعة البيانات وأسماء الفئات وغيرها من البيانات الوصفية الأساسية. يمكنك مراجعة الملف الرسمي coco8-grayscale.yaml في مستودع Ultralytics على GitHub.

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

# COCO8-Grayscale dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco8-grayscale
# Example usage: yolo train data=coco8-grayscale.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8-grayscale ← 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: coco8-grayscale # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

channels: 1

# 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/coco8-grayscale.zip

الاستخدام#

تُنزَّل مجموعة بيانات COCO8-Grayscale (بحجم 1 ميغابايت) تلقائيًا عند بدء التدريب للمرة الأولى. لتدريب نموذج YOLO26n على COCO8-Grayscale لمدة 100 حقبة وبحجم صورة قدره 640، استخدم الأمثلة التالية. للحصول على قائمة كاملة بخيارات التدريب، راجع وثائق تدريب YOLO.

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Train the model on COCO8-Grayscale
results = model.train(data="coco8-grayscale.yaml", epochs=100, imgsz=640)

الصور والتعليقات التوضيحية النموذجية#

فيما يلي مثال على دفعة تدريبية مركبة بالفسيفساء من مجموعة بيانات COCO8-Grayscale:

• صورة مركبة بالفسيفساء: توضح هذه الصورة دفعة تدريب تُدمج فيها صور متعددة من مجموعة البيانات باستخدام زيادة البيانات بالفسيفساء. تزيد زيادة البيانات بالفسيفساء من تنوع الكائنات والمشاهد داخل كل دفعة، مما يساعد النموذج على التعميم بصورة أفضل على مختلف أحجام الكائنات ونسب العرض إلى الارتفاع والخلفيات.

تُعد هذه التقنية مفيدة بصفة خاصة لمجموعات البيانات الصغيرة مثل COCO8-Grayscale، إذ تزيد من قيمة كل صورة أثناء التدريب إلى أقصى حد.

الاقتباسات والشكر والتقدير#

إذا استخدمت مجموعة بيانات COCO في بحثك أو تطويرك، فيُرجى الاستشهاد بالبحث التالي:

@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 Dollár},
      year={2015},
      eprint={1405.0312},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

شكر خاص لـاتحاد COCO على إسهاماته المتواصلة في مجتمع الرؤية الحاسوبية.

الأسئلة الشائعة#