Zum Inhalt springen

COCO-Seg Datensatz

Der COCO-Seg-Datensatz, eine Erweiterung des COCO-Datensatzes (Common Objects in Context), wurde speziell entwickelt, um die Forschung im Bereich der Objektinstanzsegmentierung zu unterstützen. Er verwendet die gleichen Bilder wie COCO, führt aber detailliertere Segmentierungsanmerkungen ein. Dieser Datensatz ist eine wichtige Ressource für Forscher und Entwickler, die an Instanzsegmentierungsaufgaben arbeiten, insbesondere für das Training von Ultralytics YOLO-Modellen.

COCO-Seg, vortrainierte Modelle

Modell Größe
(Pixel)		 mAPbox
50-95		 mAPmask
50-95		 Geschwindigkeit
CPU ONNX
(ms)		 Geschwindigkeit
T4 TensorRT10
(ms)		 Parameter
(M)		 FLOPs
(B)
YOLO11n-seg 640 38.9 32.0 65.9 ± 1.1 1.8 ± 0.0 2.9 10.4
YOLO11s-seg 640 46.6 37.8 117.6 ± 4.9 2.9 ± 0.0 10.1 35.5
YOLO11m-seg 640 51.5 41.5 281.6 ± 1.2 6.3 ± 0.1 22.4 123.3
YOLO11l-seg 640 53.4 42.9 344.2 ± 3.2 7.8 ± 0.2 27.6 142.2
YOLO11x-seg 640 54.7 43.8 664.5 ± 3.2 15.8 ± 0.7 62.1 319.0

Hauptmerkmale

  • COCO-Seg behält die ursprünglichen 330.000 Bilder von COCO bei.
  • Der Datensatz besteht aus den gleichen 80 Objektkategorien wie der ursprüngliche COCO-Datensatz.
  • Annotationen enthalten jetzt detailliertere Instanzsegmentierungsmasken für jedes Objekt in den Bildern.
  • COCO-Seg bietet standardisierte Evaluierungsmetriken wie Mean Average Precision (mAP) für Objekterkennung und Mean Average Recall (mAR) für Instanzsegmentierungsaufgaben, wodurch ein effektiver Vergleich der Modellleistung ermöglicht wird.

Dataset-Struktur

Der COCO-Seg-Datensatz ist in drei Teilmengen unterteilt:

  1. Train2017: Diese Teilmenge enthält 118.000 Bilder für das Training von Instanzsegmentierungsmodellen.
  2. Val2017: Diese Teilmenge enthält 5.000 Bilder, die für Validierungszwecke während des Modelltrainings verwendet werden.
  3. Test2017: Diese Teilmenge umfasst 20.000 Bilder, die zum Testen und Benchmarking der trainierten Modelle verwendet werden. Ground-Truth-Annotationen für diese Teilmenge sind nicht öffentlich verfügbar, und die Ergebnisse werden zur Leistungsbewertung an den COCO-Evaluierungsserver übermittelt.

Anwendungen

COCO-Seg wird häufig für das Training und die Evaluierung von Deep-Learning-Modellen in der Instanzsegmentierung verwendet, wie z. B. die YOLO-Modelle. Die große Anzahl annotierter Bilder, die Vielfalt der Objektkategorien und die standardisierten Bewertungsmetriken machen es zu einer unverzichtbaren Ressource für Computer Vision-Forscher und -Praktiker.

Datensatz-YAML

Eine YAML-Datei (Yet Another Markup Language) wird verwendet, um die Konfiguration des Datensatzes zu definieren. Sie enthält Informationen über die Pfade, Klassen und andere relevante Informationen des Datensatzes. Im Fall des COCO-Seg-Datensatzes ist die coco.yaml Datei wird verwaltet unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml.

ultralytics/cfg/datasets/coco.yaml

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

# COCO 2017 dataset https://cocodataset.org by Microsoft
# Documentation: https://docs.ultralytics.com/datasets/detect/coco/
# Example usage: yolo train data=coco.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco ← downloads here (20.1 GB)

# 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: coco # dataset root dir
train: train2017.txt # train images (relative to 'path') 118287 images
val: val2017.txt # val images (relative to 'path') 5000 images
test: test-dev2017.txt # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# 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: |
  from pathlib import Path

  from ultralytics.utils.downloads import download

  # Download labels
  segments = True  # segment or box labels
  dir = Path(yaml["path"])  # dataset root dir
  url = "https://github.com/ultralytics/assets/releases/download/v0.0.0/"
  urls = [url + ("coco2017labels-segments.zip" if segments else "coco2017labels.zip")]  # labels
  download(urls, dir=dir.parent)
  # Download data
  urls = [
      "http://images.cocodataset.org/zips/train2017.zip",  # 19G, 118k images
      "http://images.cocodataset.org/zips/val2017.zip",  # 1G, 5k images
      "http://images.cocodataset.org/zips/test2017.zip",  # 7G, 41k images (optional)
  ]
  download(urls, dir=dir / "images", threads=3)

Nutzung

Um ein YOLO11n-seg-Modell auf dem COCO-Seg-Datensatz für 100 Epochen mit einer Bildgröße von 640 zu trainieren, können Sie die folgenden Code-Snippets verwenden. Eine umfassende Liste der verfügbaren Argumente finden Sie auf der Trainings-Seite des Modells.

Trainingsbeispiel

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=coco.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

sample_images und Anmerkungen

COCO-Seg enthält, wie sein Vorgänger COCO, einen vielfältigen Satz von Bildern mit verschiedenen Objektkategorien und komplexen Szenen. COCO-Seg führt jedoch detailliertere Instanzsegmentierungsmasken für jedes Objekt in den Bildern ein. Hier sind einige Beispiele für Bilder aus dem Datensatz zusammen mit den entsprechenden Instanzsegmentierungsmasken:

Beispielbild des Datensatzes

  • Mosaikbild: Dieses Bild zeigt einen Trainings-Batch, der aus Mosaik-Datensatzbildern besteht. Mosaicing ist eine Technik, die während des Trainings verwendet wird und mehrere Bilder zu einem einzigen Bild kombiniert, um die Vielfalt der Objekte und Szenen innerhalb jedes Trainings-Batchs zu erhöhen. Dies unterstützt die Fähigkeit des Modells, auf verschiedene Objektgrößen, Seitenverhältnisse und Kontexte zu generalisieren.

Das Beispiel zeigt die Vielfalt und Komplexität der Bilder im COCO-Seg-Datensatz und die Vorteile der Verwendung von Mosaicing während des Trainingsprozesses.

Zitate und Danksagungen

Wenn Sie den COCO-Seg-Datensatz in Ihrer Forschungs- oder Entwicklungsarbeit verwenden, zitieren Sie bitte das Original-COCO-Paper und würdigen Sie die Erweiterung zu COCO-Seg:

@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}
}

Wir bedanken uns beim COCO-Konsortium für die Erstellung und Pflege dieser unschätzbaren Ressource für die Computer-Vision-Community. Für weitere Informationen über den COCO-Datensatz und seine Ersteller besuchen Sie die COCO-Datensatz-Website.

FAQ

Was ist der COCO-Seg-Datensatz und wie unterscheidet er sich vom ursprünglichen COCO-Datensatz?

Der COCO-Seg-Datensatz ist eine Erweiterung des ursprünglichen COCO-Datensatzes (Common Objects in Context), der speziell für Aufgaben der Instanzsegmentierung entwickelt wurde. Er verwendet zwar die gleichen Bilder wie der COCO-Datensatz, enthält aber detailliertere Segmentierungsanmerkungen, was ihn zu einer leistungsstarken Ressource für Forscher und Entwickler macht, die sich auf die Objektinstanzsegmentierung konzentrieren.

Wie kann ich ein YOLO11-Modell mit dem COCO-Seg-Datensatz trainieren?

Um ein YOLO11n-seg-Modell auf dem COCO-Seg-Datensatz für 100 Epochen mit einer Bildgröße von 640 zu trainieren, können Sie die folgenden Code-Snippets verwenden. Eine detaillierte Liste der verfügbaren Argumente finden Sie auf der Trainings-Seite des Modells.

Trainingsbeispiel

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=coco.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

Was sind die wichtigsten Merkmale des COCO-Seg-Datensatzes?

Der COCO-Seg-Datensatz umfasst mehrere Hauptmerkmale:

  • Behält die ursprünglichen 330.000 Bilder aus dem COCO-Datensatz bei.
  • Annotiert die gleichen 80 Objektkategorien, die im ursprünglichen COCO gefunden wurden.
  • Bietet detailliertere Instanzsegmentierungsmasken für jedes Objekt.
  • Verwendet standardisierte Bewertungsmetriken wie die mittlere durchschnittliche Präzision (mAP) für die Objekterkennung und die mittlere durchschnittliche Erinnerung (mAR) für Aufgaben der Instanzsegmentierung.

Welche vortrainierten Modelle sind für COCO-Seg verfügbar und welche Leistungsmetriken haben sie?

Der COCO-Seg-Datensatz unterstützt mehrere vortrainierte YOLO11-Segmentierungsmodelle mit unterschiedlichen Leistungsmetriken. Hier ist eine Zusammenfassung der verfügbaren Modelle und ihrer wichtigsten Metriken:

Modell Größe
(Pixel)		 mAPbox
50-95		 mAPmask
50-95		 Geschwindigkeit
CPU ONNX
(ms)		 Geschwindigkeit
T4 TensorRT10
(ms)		 Parameter
(M)		 FLOPs
(B)
YOLO11n-seg 640 38.9 32.0 65.9 ± 1.1 1.8 ± 0.0 2.9 10.4
YOLO11s-seg 640 46.6 37.8 117.6 ± 4.9 2.9 ± 0.0 10.1 35.5
YOLO11m-seg 640 51.5 41.5 281.6 ± 1.2 6.3 ± 0.1 22.4 123.3
YOLO11l-seg 640 53.4 42.9 344.2 ± 3.2 7.8 ± 0.2 27.6 142.2
YOLO11x-seg 640 54.7 43.8 664.5 ± 3.2 15.8 ± 0.7 62.1 319.0

Diese Modelle reichen vom leichten YOLO11n-seg bis zum leistungsstärkeren YOLO11x-seg und bieten unterschiedliche Kompromisse zwischen Geschwindigkeit und Genauigkeit, um verschiedenen Anwendungsanforderungen gerecht zu werden. Weitere Informationen zur Modellauswahl finden Sie auf der Ultralytics-Modellseite.

Wie ist der COCO-Seg-Datensatz strukturiert und welche Teilmengen enthält er?

Der COCO-Seg-Datensatz ist in drei Teilmengen unterteilt, um spezifische Trainings- und Evaluierungsanforderungen zu erfüllen:

  1. Train2017: Enthält 118.000 Bilder, die hauptsächlich für das Training von Instanzsegmentierungsmodellen verwendet werden.
  2. Val2017: Umfasst 5.000 Bilder, die zur Validierung während des Trainingsprozesses verwendet werden.
  3. Test2017: Umfasst 20.000 Bilder, die für das Testen und Benchmarking trainierter Modelle reserviert sind. Beachten Sie, dass Ground-Truth-Annotationen für diese Teilmenge nicht öffentlich verfügbar sind und die Leistungsergebnisse zur Bewertung an den COCO-Evaluierungsserver übermittelt werden.

Für kleinere Experimente können Sie auch das COCO8-seg Datenset verwenden, eine kompakte Version, die nur 8 Bilder aus dem COCO Train 2017-Set enthält.



📅 Vor 1 Jahr erstellt ✏️ Vor 6 Monaten aktualisiert
glenn-jocher jk4e Y-T-G ambitious-octopus UltralyticsAssistant MatthewNoyce RizwanMunawar hnliu_2@stu.xidian.edu.cn Laughing-q

Kommentare