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, además de instrucciones para preparar, convertir y utilizar estos conjuntos de datos al entrenar tus modelos.

Formatos de conjuntos de datos compatibles#

Formato Ultralytics YOLO#

El formato de las etiquetas del conjunto de datos utilizado 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 de la imagen.
3. Información del objeto en cada 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 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 clase del objeto y <x1> <y1> <x2> <y2> ... <xn> <yn> son las coordenadas poligonales normalizadas de la máscara de segmentación del objeto (los valores están en [0, 1] con respecto al ancho y la altura de la imagen). Las coordenadas se separan con espacios.

Aquí tienes un ejemplo del formato de conjunto de datos YOLO para una imagen con dos objetos: uno compuesto por un segmento de 3 puntos y otro por 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 utiliza archivos YAML para definir el conjunto de datos y la configuración del modelo al entrenar modelos de segmentación. A continuación se muestra 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 campo acepta un directorio, un archivo de imagen, una lista de directorios o archivos de imagen, o un archivo UTF-8 *.txt que enumere una ruta de imagen por línea (las rutas que empiecen por ./ se resuelven en relación con el archivo *.txt). Un archivo *.txt resulta útil para entrenar con un subconjunto de un directorio, omitir imágenes sin etiquetar o combinar imágenes de varios orígenes en una sola partición.

path: datasets/coco8-seg # dataset root
train: train.txt # a directory, an image, 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 las clases de objeto en los archivos del conjunto de datos YOLO.

Uso#

from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n-seg.pt")  # Carga un modelo preentrenado (recomendado para el entrenamiento)

# 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. Esta es una lista de los más utilizados. La mayoría también están alojados en Ultralytics Platform, donde puedes explorar las imágenes y las anotaciones, consultar 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 vehículos, ideal para aplicaciones de automoción. Incluye varios vehículos con anotaciones detalladas de sus componentes individuales.
• 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 COCO con 8 imágenes, diseñado para probar rápidamente el entrenamiento de modelos de segmentación; es ideal para comprobaciones de CI y validación de flujos de trabajo en el repositorio ultralytics.
• COCO128-seg: conjunto de datos reducido para tareas de segmentación de instancias, que contiene un subconjunto de 128 imágenes de COCO con 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 ofrece 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. Es especialmente útil para la logística y la automatización de almacenes, y 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 utilizarlo para entrenar modelos de segmentación con el formato Ultralytics YOLO, asegúrate de que siga el formato especificado anteriormente en «Formato Ultralytics YOLO». Convierte las anotaciones al formato requerido y especifica 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; colocar archivos .txt de etiquetas en la carpeta de imágenes puede hacer que el modelo no las detecte.

Adaptar o convertir formatos de etiquetas#

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

Puedes convertir 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 sirve para 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 utilizar sea compatible con tu modelo y siga las convenciones de formato necesarias. Un formato correcto es fundamental para entrenar modelos de segmentación eficaces.

Anotación automática#

La anotación automática genera un conjunto de datos de segmentación a partir de un modelo de detección preentrenado, para que puedas etiquetar muchas imágenes sin dibujar cada máscara a mano. Si prefieres etiquetar en el navegador, Ultralytics Platform ofrece anotación inteligente con SAM, YOLO y avisos de clase; además, la tabla comparativa de VLM compara los modelos guiados mediante avisos según su precisión de detección, coste y velocidad.

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

Para anotar automáticamente tu conjunto de datos con el framework de Ultralytics, puedes utilizar 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, además de 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.

El uso de modelos preentrenados para la anotación automática reduce significativamente el tiempo y el esfuerzo necesarios para crear conjuntos de datos de segmentación de alta calidad. Esto 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 en la anotación manual.

Visualizar las anotaciones del conjunto de datos#

Antes de entrenar tu modelo, suele ser útil visualizar las anotaciones del conjunto de datos para asegurarte de que sean correctas. Ultralytics ofrece una función de utilidad para ello. 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, lo que 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 en las que el valor de cada píxel es el índice de la 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#