COCO

Q: How is the COCO-Seg dataset structured and what subsets does it contain?

Der COCO ist in drei Teilmengen für spezifische Trainings- und Evaluierungsanforderungen unterteilt: Für kleinere Experimente können Sie auch den COCO8 verwenden, der eine kompakte Version mit nur 8 Bildern aus dem COCO 2017-Set ist.

Der COCO, eine Erweiterung des COCO (Common Objects in Context), wurde speziell zur Unterstützung der Forschung im Bereich der Segmentierung von Objektinstanzen entwickelt. Er verwendet die gleichen Bilder wie COCO , enthält aber detailliertere Segmentierungsannotationen. Dieser Datensatz ist eine wichtige Ressource für Forscher und Entwickler, die an Instanzsegmentierungsaufgaben arbeiten, insbesondere für das Training Ultralytics YOLO Modelle.

COCO vortrainierte Modelle

Modell	Größe ^(Pixel)	mAP^Kasten 50-95	mAP^Maske 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	9.7
YOLO11s-seg	640	46.6	37.8	117.6 ± 4.9	2.9 ± 0.0	10.1	33.0
YOLO11m-seg	640	51.5	41.5	281.6 ± 1.2	6.3 ± 0.1	22.4	113.2
YOLO11l-seg	640	53.4	42.9	344.2 ± 3.2	7.8 ± 0.2	27.6	132.2
YOLO11x-seg	640	54.7	43.8	664.5 ± 3.2	15.8 ± 0.7	62.1	296.4

Hauptmerkmale

COCO behält die ursprünglichen 330K Bilder von COCO bei.
Der Datensatz besteht aus denselben 80 Objektkategorien, die auch im ursprünglichen COCO enthalten sind.
Annotationen enthalten jetzt detailliertere Instanzsegmentierungsmasken für jedes Objekt in den Bildern.
COCO bietet standardisierte Bewertungsmetriken wie die mittlere durchschnittliche PräzisionmAP) für die Objekterkennung und den mittleren durchschnittlichen Rückruf (mAR) für die Segmentierungsaufgaben, die einen effektiven Vergleich der Modellleistung ermöglichen.

Dataset-Struktur

Der COCO ist in drei Teilmengen unterteilt:

Zug2017: 118K Bilder für das Training von Instanzsegmentierungsmodellen.
Val2017: 5K-Bilder, die zur Validierung während der Modellentwicklung verwendet wurden.
Test2017: 20K Bilder, die für das Benchmarking verwendet werden. Für diese Untergruppe sind keine "Ground-Truth"-Anmerkungen öffentlich verfügbar, sodass die Vorhersagen zur Bewertung an den COCO übermittelt werden müssen.

Anwendungen

COCO wird häufig für das Training und die Bewertung von Deep-Learning-Modellen für die Instanzsegmentierung verwendet, wie z. B. die YOLO . Die große Anzahl von annotierten Bildern, die Vielfalt der Objektkategorien und die standardisierten Bewertungsmetriken machen es zu einer unverzichtbaren Ressource für Forscher und Praktiker im Bereich Computer Vision.

Datensatz-YAML

Eine YAML-Datei (Yet Another Markup Language) wird zur Definition der Datensatzkonfiguration verwendet. Sie enthält Informationen über die Pfade des Datasets, die Klassen und andere relevante Informationen. Im Falle des COCO ist die Datei coco.yaml Datei wird verwaltet unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml.

ultralyticsyaml

# 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 import ASSETS_URL
  from ultralytics.utils.downloads import download

  # Download labels
  segments = True  # segment or box labels
  dir = Path(yaml["path"])  # dataset root dir
  urls = [ASSETS_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 für 100 Epochen mit einer Bildgröße von 640 zu trainieren, können Sie die folgenden Codeschnipsel verwenden. Eine umfassende Liste der verfügbaren Argumente finden Sie auf der Seite Modelltraining.

Trainingsbeispiel

PythonCLI

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 enthält wie sein Vorgänger COCO einen vielfältigen Satz von Bildern mit verschiedenen Objektkategorien und komplexen Szenen. COCO führt jedoch detailliertere Instanzsegmentierungsmasken für jedes Objekt in den Bildern ein. Hier sind einige Beispiele von Bildern 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 verdeutlicht die Vielfalt und Komplexität der Bilder im COCO und die Vorteile der Mosaikbildung während des Trainingsprozesses.

Zitate und Danksagungen

Wenn Sie den COCO in Ihrer Forschungs- oder Entwicklungsarbeit verwenden, zitieren Sie bitte die ursprüngliche COCO und weisen Sie auf die Erweiterung auf COCO hin:

BibTeX

@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 danken dem COCO für die Erstellung und Pflege dieser unschätzbaren Ressource für die Computer Vision Community. Weitere Informationen über den COCO und seine Ersteller finden Sie auf der Website desCOCO .

FAQ

Was ist der COCO und wie unterscheidet er sich von dem ursprünglichen COCO ?

Der COCO ist eine Erweiterung des ursprünglichen COCO (Common Objects in Context), der speziell für Instanzsegmentierungsaufgaben entwickelt wurde. COCO verwendet zwar dieselben Bilder wie der COCO , enthält aber detailliertere Segmentierungsannotationen, was ihn zu einer leistungsstarken Ressource für Forscher und Entwickler macht, die sich mit der Segmentierung von Objektinstanzen beschäftigen.

Wie kann ich ein YOLO11 mit dem COCO trainieren?

Um ein YOLO11n-seg-Modell auf dem COCO für 100 Epochen mit einer Bildgröße von 640 zu trainieren, können Sie die folgenden Codeschnipsel verwenden. Eine detaillierte Liste der verfügbaren Argumente finden Sie auf der Seite Modelltraining.

Trainingsbeispiel

PythonCLI

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?

Der COCO enthält mehrere wichtige Merkmale:

Behält die ursprünglichen 330K Bilder aus dem COCO bei.
Kommentiert dieselben 80 Objektkategorien, die auch im ursprünglichen COCO enthalten sind.
Bietet detailliertere Instanzsegmentierungsmasken für jedes Objekt.
Verwendet standardisierte Bewertungsmetriken wie die mittlere durchschnittliche PräzisionmAP) für die Objekterkennung und den mittleren durchschnittlichen Rückruf (mAR) für die Segmentierungsaufgaben.

Welche vortrainierten Modelle stehen für COCO zur Verfügung, und wie sind ihre Leistungskennzahlen?

Der COCO unterstützt mehrere vortrainierte YOLO11 mit unterschiedlichen Leistungsmetriken. Im Folgenden finden Sie eine Zusammenfassung der verfügbaren Modelle und ihrer wichtigsten Metriken:

Modell	Größe ^(Pixel)	mAP^Kasten 50-95	mAP^Maske 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	9.7
YOLO11s-seg	640	46.6	37.8	117.6 ± 4.9	2.9 ± 0.0	10.1	33.0
YOLO11m-seg	640	51.5	41.5	281.6 ± 1.2	6.3 ± 0.1	22.4	113.2
YOLO11l-seg	640	53.4	42.9	344.2 ± 3.2	7.8 ± 0.2	27.6	132.2
YOLO11x-seg	640	54.7	43.8	664.5 ± 3.2	15.8 ± 0.7	62.1	296.4

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 aufgebaut und welche Teilmengen enthält er?

Der COCO ist in drei Teilmengen unterteilt, die für spezielle Trainings- und Bewertungszwecke verwendet werden:

Train2017: Enthält 118.000 Bilder, die hauptsächlich für das Training von Instanzsegmentierungsmodellen verwendet werden.
Val2017: Umfasst 5.000 Bilder, die zur Validierung während des Trainingsprozesses verwendet werden.
Test2017: Umfasst 20K Bilder, die für das Testen und Benchmarking trainierter Modelle reserviert sind. Beachten Sie, dass die Grundwahrheitskommentare für diese Untergruppe nicht öffentlich zugänglich sind und die Leistungsergebnisse zur Bewertung an den COCO übermittelt werden.

Für kleinere Experimente können Sie auch den COCO8 verwenden. Dabei handelt es sich um eine kompakte Version, die nur 8 Bilder aus dem COCO 2017-Set enthält.

📅 Vor 2 Jahren erstellt ✏️ Vor 25 Tagen aktualisiert