Visión general de los conjuntos de datos de detección de objetos

Entrenar un modelo de detección de objetos robusto y preciso requiere un conjunto de datos completo. Esta guía presenta varios formatos de conjuntos de datos compatibles con el modelo Ultralytics YOLO y proporciona información sobre su estructura, uso y cómo convertir entre distintos formatos.

Formatos de conjuntos de datos admitidos

Ultralytics YOLO formato

El formato Ultralytics YOLO es un formato de configuración del conjunto de datos que te permite definir el directorio raíz del conjunto de datos, las rutas relativas a los directorios de imágenes de entrenamiento/validación/prueba o *.txt que contienen las rutas de las imágenes, y un diccionario de nombres de clases. Aquí tienes un ejemplo:

# 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/coco8  # 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)

# Classes (80 COCO classes)
names:
  0: person
  1: bicycle
  2: car
  # ...
  77: teddy bear
  78: hair drier
  79: toothbrush

Las etiquetas de este formato deben exportarse al formato YOLO con una *.txt por imagen. Si no hay objetos en una imagen, no hay *.txt es necesario. La dirección *.txt debe formatearse con una fila por objeto en class x_center y_center width height formato. Las coordenadas de la casilla deben estar en xywh normalizado (de 0 a 1). Si tus casillas están en píxeles, debes dividir x_center y width por ancho de imagen, y y_center y height por la altura de la imagen. Los números de clase deben tener índice cero (empezar por 0).

El archivo de etiquetas correspondiente a la imagen anterior contiene 2 personas (clase 0) y un empate (clase 27):

Cuando utilices el formato Ultralytics YOLO , organiza tus imágenes y etiquetas de entrenamiento y validación como se muestra en el ejemplo del conjunto de datos COCO8 que aparece a continuación.

Utilización

A continuación te explicamos cómo puedes utilizar estos formatos para entrenar tu modelo:

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data='coco8.yaml', epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo detect train data=coco8.yaml model=yolov8n.pt epochs=100 imgsz=640

Conjuntos de datos compatibles

Aquí tienes una lista de los conjuntos de datos admitidos y una breve descripción de cada uno:

• Argoverse: Una colección de datos de sensores recogidos de vehículos autónomos. Contiene anotaciones de seguimiento en 3D de objetos del coche.
• COCO: Objetos comunes en contexto (COCO) es un conjunto de datos a gran escala de detección, segmentación y subtitulación de objetos con 80 categorías de objetos.
• LVIS: LVIS es un conjunto de datos a gran escala de detección, segmentación y subtitulación de objetos con 1203 categorías de objetos.
• COCO8: COCO8 es un subconjunto más pequeño del conjunto de datos COCO, más ligero y más rápido de entrenar.
• GlobalTrigo2020: Un conjunto de datos que contiene imágenes de cabezas de trigo para el Desafío Mundial del Trigo 2020.
• Objetos365: Un conjunto de datos de detección de objetos a gran escala con 365 categorías de objetos y 600.000 imágenes, cuyo objetivo es avanzar en la investigación de la detección de objetos.
• OpenImagesV7: Un completo conjunto de datos de Google con 1,7 millones de imágenes de entrenamiento y 42.000 imágenes de validación.
• SKU-110K: Un conjunto de datos que contiene imágenes de productos minoristas densamente empaquetados, destinados a la detección de objetos en entornos minoristas.
• VisDrone: Un conjunto de datos centrado en imágenes tomadas por drones, que contiene varias categorías de objetos, como coches, peatones y ciclistas.
• VOC: PASCAL VOC es un popular conjunto de datos de detección de objetos con 20 categorías de objetos, incluidos vehículos, animales y muebles.
• xVer: Un conjunto de datos que contiene imágenes de satélite de alta resolución, diseñado para la detección de diversas clases de objetos en vistas aéreas.
• Tumor cerebral: Este conjunto de datos comprende imágenes de resonancia magnética o tomografía computarizada que contienen información sobre la presencia, la ubicación y las características de los tumores cerebrales. Desempeña un papel crucial en el entrenamiento de modelos de visión por ordenador para automatizar la identificación de tumores, facilitando el diagnóstico precoz y la planificación del tratamiento.
• Vida salvaje africana: Con imágenes de animales salvajes africanos como búfalos, elefantes, rinocerontes y cebras, este conjunto de datos es fundamental para entrenar modelos de visión por ordenador. Es indispensable para identificar animales en distintos hábitats y contribuye significativamente a los esfuerzos de investigación sobre la fauna salvaje.

Añadir tu propio conjunto de datos

Si tienes tu propio conjunto de datos y quieres utilizarlo para entrenar modelos de detección con el formato Ultralytics YOLO , asegúrate de que sigue el formato especificado anteriormente en "Ultralytics YOLO formato". Convierte tus anotaciones al formato requerido y especifica las rutas, el número de clases y los nombres de las clases en el archivo de configuración YAML.

Portar o convertir formatos de etiquetas

Formato del conjunto de datos COCO a formato YOLO

Puedes convertir fácilmente etiquetas del popular formato de conjunto de datos COCO al formato YOLO utilizando el siguiente fragmento de código:

from ultralytics.data.converter import convert_coco

convert_coco(labels_dir='path/to/coco/annotations/')

Esta herramienta de conversión puede utilizarse para convertir el conjunto de datos COCO o cualquier conjunto de datos en formato COCO al formato Ultralytics YOLO .

Recuerda comprobar dos veces si el conjunto de datos que quieres utilizar es compatible con tu modelo y sigue las convenciones de formato necesarias. Los conjuntos de datos formateados correctamente son cruciales para entrenar con éxito modelos de detección de objetos.

Comentarios