Descripción general de los conjuntos de datos de segmentación de instancias#

La segmentación de instancias es una tarea de visión artificial que consiste en identificar y delimitar objetos individuales dentro de una imagen. Esta guía ofrece una descripción general de los formatos de conjuntos de datos compatibles con Ultralytics YOLO para tareas de segmentación de instancias, junto con instrucciones para preparar, convertir y usar estos conjuntos de datos para entrenar tus modelos.

Formatos de conjuntos de datos compatibles#

Formato Ultralytics YOLO#

El formato de etiquetas del conjunto de datos que se usa para entrenar modelos de segmentación YOLO es el siguiente:

1. Un archivo de texto por imagen: cada imagen del conjunto de datos tiene un archivo de texto correspondiente con el mismo nombre que el archivo de imagen y la extensión ".txt".
2. Una fila por objeto: cada fila del archivo de texto corresponde a una instancia de objeto en la imagen.
3. Información del objeto por fila: cada fila contiene la siguiente información sobre la instancia del objeto:
   • Índice de clase del objeto: un número entero que representa la clase del objeto (por ejemplo, 0 para una persona, 1 para un coche, etc.).
   • Coordenadas del polígono del objeto: los puntos (x, y) que delimitan la máscara del objeto, normalizados para que estén entre 0 y 1.

El formato de una sola fila del archivo del conjunto de datos de segmentación es el siguiente:

<class-index> <x1> <y1> <x2> <y2> ... <xn> <yn>

En este formato, <class-index> es el índice de la clase del objeto y <x1> <y1> <x2> <y2> ... <xn> <yn> son las coordenadas normalizadas del polígono de la máscara de segmentación del objeto (los valores están en [0, 1] respecto a la anchura y la altura de la imagen). Las coordenadas están separadas por espacios.

Aquí tienes un ejemplo del formato de conjunto de datos YOLO para una imagen con dos objetos, uno con un segmento de 3 puntos y otro con uno de 5 puntos.

0 0.681 0.485 0.670 0.487 0.676 0.487
1 0.504 0.000 0.501 0.004 0.498 0.004 0.493 0.010 0.492 0.0104

Formato YAML del conjunto de datos#

El framework Ultralytics usa un formato de archivo YAML para definir la configuración del conjunto de datos y del modelo para entrenar modelos de segmentación. Aquí tienes un ejemplo del formato YAML utilizado para definir un conjunto de datos de segmentación:

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

# COCO8-seg dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/coco8-seg
# Example usage: yolo train data=coco8-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8-seg ← 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-seg # 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
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-seg.zip

Los campos train, val y test indican las imágenes de entrenamiento, validación y prueba. Cada uno admite un directorio, una lista de directorios o un archivo *.txt que enumera una ruta de imagen por línea (las rutas que empiezan por ./ se resuelven con respecto al archivo *.txt). Un archivo *.txt resulta útil para entrenar con un subconjunto de un directorio, omitir imágenes sin etiquetar o combinar imágenes de varias fuentes en una misma partición.

path: datasets/coco8-seg # dataset root
train: train.txt # a directory, a list e.g. [images/a, images/b], or a *.txt file
val: val.txt
names:
  0: person

names es un diccionario de nombres de clases. El orden de los nombres debe coincidir con el orden de los índices de clase de los objetos en los archivos del conjunto de datos YOLO.

Uso#

from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n-seg.pt")  # cargar un modelo preentrenado (recomendado para entrenar)

# Entrenar el modelo
results = model.train(data="coco8-seg.yaml", epochs=100, imgsz=640)

Conjuntos de datos compatibles#

Ultralytics YOLO admite diversos conjuntos de datos para tareas de segmentación de instancias. Aquí tienes una lista de los más utilizados. La mayoría también están alojados en Ultralytics Platform, donde puedes explorar las imágenes y anotaciones, consultar las estadísticas del conjunto de datos y clonarlo para entrenar en la nube.

• Carparts-seg: un conjunto de datos especializado en la segmentación de piezas de coches, ideal para aplicaciones de automoción. Incluye diversos vehículos con anotaciones detalladas de cada componente.
• COCO: un conjunto de datos completo para la detección de objetos, la segmentación y la generación de descripciones, con más de 200 000 imágenes etiquetadas de una amplia variedad de categorías.
• COCO8-seg: un subconjunto compacto de 8 imágenes de COCO diseñado para probar rápidamente el entrenamiento de modelos de segmentación, ideal para comprobaciones de CI y validación de flujos de trabajo en el repositorio ultralytics.
• COCO128-seg: un conjunto de datos más pequeño para tareas de segmentación de instancias, con un subconjunto de 128 imágenes de COCO y anotaciones de segmentación.
• Crack-seg: un conjunto de datos diseñado para segmentar grietas en distintas superficies. Es esencial para el mantenimiento de infraestructuras y el control de calidad, y proporciona imágenes detalladas para entrenar modelos que identifiquen daños estructurales.
• Package-seg: un conjunto de datos dedicado a segmentar distintos tipos de materiales y formas de embalaje. Resulta especialmente útil para la logística y la automatización de almacenes, ya que ayuda a desarrollar sistemas de manipulación y clasificación de paquetes.

Añadir tu propio conjunto de datos#

Si tienes tu propio conjunto de datos y quieres usarlo para entrenar modelos de segmentación con el formato Ultralytics YOLO, asegúrate de que siga el formato especificado anteriormente en «Formato Ultralytics YOLO». Convierte tus anotaciones al formato requerido e indica las rutas, el número de clases y los nombres de las clases en el archivo de configuración YAML. Mantén images/ y labels/ en carpetas separadas al mismo nivel y con una estructura de subcarpetas coincidente; si colocas archivos de etiquetas .txt en la carpeta de imágenes, el modelo podría no detectar las etiquetas.

Migrar o convertir formatos de etiquetas#

Convertir del formato del conjunto de datos COCO al formato YOLO#

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

from ultralytics.data.converter import convert_coco

convert_coco(labels_dir="path/to/coco/annotations/", use_segments=True)

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

Recuerda comprobar que el conjunto de datos que quieres usar sea compatible con tu modelo y siga las convenciones de formato necesarias. Un formato correcto es esencial para entrenar modelos de segmentación eficaces.

Anotación automática#

La anotación automática es una función esencial que permite generar un conjunto de datos de segmentación con un modelo de detección preentrenado. Te permite anotar rápida y correctamente un gran número de imágenes sin necesidad de etiquetarlas manualmente, lo que ahorra tiempo y esfuerzo.

Generar un conjunto de datos de segmentación con un modelo de detección#

Para anotar automáticamente tu conjunto de datos con el framework Ultralytics, puedes usar la función auto_annotate como se muestra a continuación:

from ultralytics.data.annotator import auto_annotate

auto_annotate(data="path/to/images", det_model="yolo26x.pt", sam_model="sam_b.pt")

La función auto_annotate recibe la ruta a tus imágenes, junto con argumentos opcionales para especificar los modelos de detección preentrenados, por ejemplo, YOLO26, YOLO11 u otros modelos, y los modelos de segmentación, por ejemplo, SAM, SAM 2, MobileSAM o SAM 3, el dispositivo en el que se ejecutarán los modelos y el directorio de salida donde se guardarán los resultados anotados.

Al aprovechar la potencia de los modelos preentrenados, la anotación automática puede reducir considerablemente el tiempo y el esfuerzo necesarios para crear conjuntos de datos de segmentación de alta calidad. Esta función resulta especialmente útil para investigadores y desarrolladores que trabajan con grandes colecciones de imágenes, ya que les permite centrarse en el desarrollo y la evaluación de modelos en lugar de realizar anotaciones manuales.

Visualizar anotaciones de conjuntos de datos#

Antes de entrenar tu modelo, suele ser útil visualizar las anotaciones de tu conjunto de datos para comprobar que sean correctas. Ultralytics proporciona una función de utilidad para este fin. Esta función solo lee etiquetas de cajas en formato de detección (<class-index> <x_center> <y_center> <width> <height>), por lo que no puede analizar archivos de etiquetas de polígonos de segmentación:

from ultralytics.data.utils import visualize_image_annotations

label_map = {  # Define el mapa de etiquetas con todas las etiquetas de clase anotadas.
    0: "person",
    1: "car",
}

# Visualize
visualize_image_annotations(
    "path/to/image.jpg",  # Ruta de la imagen de entrada.
    "path/to/annotations.txt",  # Ruta del archivo de anotaciones de la imagen.
    label_map,
)

Esta función dibuja cajas delimitadoras, etiqueta los objetos con los nombres de sus clases y ajusta el color del texto para mejorar la legibilidad. Así, te ayuda a identificar y corregir errores de anotación antes del entrenamiento.

Convertir máscaras de segmentación al formato YOLO#

Si tienes imágenes de máscaras en escala de grises donde el valor de cada píxel es el índice de clase + 1 (0 corresponde al fondo), puedes convertirlas al formato de segmentación YOLO con:

from ultralytics.data.converter import convert_segment_masks_to_yolo_seg

# Para conjuntos de datos como COCO, con 80 clases
convert_segment_masks_to_yolo_seg(masks_dir="path/to/masks_dir", output_dir="path/to/output_dir", classes=80)

Esta utilidad convierte las imágenes de máscaras al formato de segmentación YOLO y las guarda en el directorio de salida especificado.

Preguntas frecuentes#