Ir al contenido

Conjunto de datos COCO-Seg

El conjunto de datos COCO-Seg, una extensión del conjunto de datos COCO (Objetos Comunes en Contexto), está especialmente diseñado para ayudar a la investigación en la segmentación de instancias de objetos. Utiliza las mismas imágenes que COCO pero introduce anotaciones de segmentación más detalladas. Este conjunto de datos es un recurso crucial para los investigadores y desarrolladores que trabajan en tareas de segmentación de instancias, especialmente para entrenar modelos Ultralytics YOLO.

Modelos preentrenados COCO-Seg

Modelo tamaño
(píxeles)		 mAPbox
50-95		 mAPmask
50-95		 Velocidad
CPU ONNX
(ms)		 Velocidad
T4 TensorRT10
(ms)		 parámetros
(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

Características clave

  • COCO-Seg conserva las 330.000 imágenes originales de COCO.
  • El conjunto de datos consta de las mismas 80 categorías de objetos que se encuentran en el conjunto de datos COCO original.
  • Las anotaciones ahora incluyen máscaras de segmentación de instancias más detalladas para cada objeto en las imágenes.
  • COCO-Seg proporciona métricas de evaluación estandarizadas como la precisión media promedio (mAP) para la detección de objetos, y la recuperación media promedio (mAR) para tareas de segmentación de instancias, lo que permite una comparación eficaz del rendimiento del modelo.

Estructura del conjunto de datos

El conjunto de datos COCO-Seg se divide en tres subconjuntos:

  1. Train2017: Este subconjunto contiene 118K imágenes para entrenar modelos de segmentación de instancias.
  2. Val2017: Este subconjunto incluye 5000 imágenes utilizadas para fines de validación durante el entrenamiento del modelo.
  3. Test2017: Este subconjunto abarca 20.000 imágenes utilizadas para probar y evaluar los modelos entrenados. Las anotaciones ground truth para este subconjunto no están disponibles públicamente, y los resultados se envían al servidor de evaluación COCO para la evaluación del rendimiento.

Aplicaciones

COCO-Seg se utiliza ampliamente para entrenar y evaluar modelos de aprendizaje profundo en la segmentación de instancias, como los modelos YOLO. El gran número de imágenes anotadas, la diversidad de categorías de objetos y las métricas de evaluación estandarizadas lo convierten en un recurso indispensable para los investigadores y profesionales de la visión artificial.

YAML del conjunto de datos

Se utiliza un archivo YAML (Yet Another Markup Language) para definir la configuración del conjunto de datos. Contiene información sobre las rutas, las clases y otra información relevante del conjunto de datos. En el caso del conjunto de datos COCO-Seg, el coco.yaml archivo se mantiene en 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)

Uso

Para entrenar un modelo YOLO11n-seg en el conjunto de datos COCO-Seg durante 100 épocas con un tamaño de imagen de 640, puede utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulte la página de Entrenamiento del modelo.

Ejemplo de entrenamiento

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 y anotaciones

COCO-Seg, al igual que su predecesor COCO, contiene un conjunto diverso de imágenes con varias categorías de objetos y escenas complejas. Sin embargo, COCO-Seg introduce máscaras de segmentación de instancias más detalladas para cada objeto en las imágenes. Aquí hay algunos ejemplos de imágenes del conjunto de datos, junto con sus correspondientes máscaras de segmentación de instancias:

Imagen de muestra del conjunto de datos

  • Imagen en mosaico: Esta imagen muestra un lote de entrenamiento compuesto por imágenes de conjuntos de datos en mosaico. El mosaico es una técnica utilizada durante el entrenamiento que combina varias imágenes en una sola imagen para aumentar la variedad de objetos y escenas dentro de cada lote de entrenamiento. Esto ayuda a la capacidad del modelo para generalizar a diferentes tamaños de objeto, relaciones de aspecto y contextos.

El ejemplo muestra la variedad y complejidad de las imágenes en el conjunto de datos COCO-Seg y los beneficios de usar mosaicos durante el proceso de entrenamiento.

Citas y agradecimientos

Si utiliza el conjunto de datos COCO-Seg en su trabajo de investigación o desarrollo, cite el artículo original de COCO y reconozca la extensión a 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}
}

Extendemos nuestro agradecimiento al Consorcio COCO por crear y mantener este valioso recurso para la comunidad de visión artificial. Para obtener más información sobre el conjunto de datos COCO y sus creadores, visite el sitio web del conjunto de datos COCO.

Preguntas frecuentes

¿Qué es el conjunto de datos COCO-Seg y en qué se diferencia del conjunto de datos COCO original?

El conjunto de datos COCO-Seg es una extensión del conjunto de datos original COCO (Objetos Comunes en Contexto), diseñado específicamente para tareas de segmentación de instancias. Si bien utiliza las mismas imágenes que el conjunto de datos COCO, COCO-Seg incluye anotaciones de segmentación más detalladas, lo que lo convierte en un recurso poderoso para investigadores y desarrolladores que se centran en la segmentación de instancias de objetos.

¿Cómo puedo entrenar un modelo YOLO11 usando el conjunto de datos COCO-Seg?

Para entrenar un modelo YOLO11n-seg en el conjunto de datos COCO-Seg durante 100 épocas con un tamaño de imagen de 640, puede utilizar los siguientes fragmentos de código. Para obtener una lista detallada de los argumentos disponibles, consulte la página de Entrenamiento del modelo.

Ejemplo de entrenamiento

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

¿Cuáles son las principales características del conjunto de datos COCO-Seg?

El conjunto de datos COCO-Seg incluye varias características clave:

  • Conserva las 330.000 imágenes originales del conjunto de datos COCO.
  • Anota las mismas 80 categorías de objetos que se encuentran en el COCO original.
  • Proporciona máscaras de segmentación de instancias más detalladas para cada objeto.
  • Utiliza métricas de evaluación estandarizadas como la Precisión Media Promedio (mAP) para la detección de objetos y el Recall Medio Promedio (mAR) para las tareas de segmentación de instancias.

¿Qué modelos preentrenados están disponibles para COCO-Seg y cuáles son sus métricas de rendimiento?

El conjunto de datos COCO-Seg admite múltiples modelos de segmentación YOLO11 preentrenados con diversas métricas de rendimiento. Aquí tienes un resumen de los modelos disponibles y sus métricas clave:

Modelo tamaño
(píxeles)		 mAPbox
50-95		 mAPmask
50-95		 Velocidad
CPU ONNX
(ms)		 Velocidad
T4 TensorRT10
(ms)		 parámetros
(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

Estos modelos van desde el ligero YOLO11n-seg hasta el más potente YOLO11x-seg, ofreciendo diferentes equilibrios entre velocidad y precisión para adaptarse a los diversos requisitos de la aplicación. Para obtener más información sobre la selección de modelos, visite la página de modelos de Ultralytics.

¿Cómo está estructurado el conjunto de datos COCO-Seg y qué subconjuntos contiene?

El conjunto de datos COCO-Seg se divide en tres subconjuntos para necesidades específicas de entrenamiento y evaluación:

  1. Train2017: Contiene 118K imágenes utilizadas principalmente para entrenar modelos de segmentación de instancias.
  2. Val2017: Comprende 5000 imágenes utilizadas para la validación durante el proceso de entrenamiento.
  3. Test2017: Abarca 20 000 imágenes reservadas para probar y evaluar los modelos entrenados. Tenga en cuenta que las anotaciones de referencia para este subconjunto no están disponibles públicamente y los resultados de rendimiento se envían al servidor de evaluación COCO para su evaluación.

Para necesidades de experimentación más pequeñas, también podrías considerar el uso del conjunto de datos COCO8-seg, que es una versión compacta que contiene solo 8 imágenes del conjunto de entrenamiento COCO 2017.



📅 Creado hace 1 año ✏️ Actualizado hace 5 meses
glenn-jocher jk4e Y-T-G ambitious-octopus UltralyticsAssistant MatthewNoyce RizwanMunawar hnliu_2@stu.xidian.edu.cn Laughing-q

Comentarios