Conjunto de datos COCO-Seg

El conjunto de datos COCO-Seg, una ampliación 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 YOLO .

Modelos preentrenados COCO-Seg

Características principales

• COCO-Seg conserva las 330.000 imágenes originales de COCO.
• El conjunto de datos consta de las mismas 80 categorías de objetos que el conjunto de datos COCO original.
• Las anotaciones incluyen ahora máscaras de segmentación de instancias más detalladas para cada objeto de las imágenes.
• COCO-Seg proporciona métricas de evaluación estandarizadas, como la Precisión Media Media (mAP) para la detección de objetos, y la Recuperación Media (mAR) para las tareas de segmentación de instancias, lo que permite comparar eficazmente el rendimiento de los modelos.

Estructura del conjunto de datos

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

1. Entrenar2017: Este subconjunto contiene 118K imágenes para entrenar modelos de segmentación de instancias.
2. Val2017: Este subconjunto incluye 5K imágenes utilizadas con fines de validación durante el entrenamiento del modelo.
3. Prueba2017: Este subconjunto abarca 20.000 imágenes utilizadas para probar y evaluar comparativamente los modelos entrenados. Las anotaciones de la verdad sobre el terreno para este subconjunto no están disponibles públicamente, y los resultados se envían al servidor de evaluación COCO para evaluar el rendimiento.

Aplicaciones

COCO-Seg se utiliza ampliamente para entrenar y evaluar modelos de aprendizaje profundo en 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 por ordenador.

Conjunto de datos YAML

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

# Ultralytics YOLO 🚀, AGPL-3.0 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: ../datasets/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 ultralytics.utils.downloads import download
  from pathlib import Path

  # Download labels
  segments = True  # segment or box labels
  dir = Path(yaml['path'])  # dataset root dir
  url = 'https://github.com/ultralytics/yolov5/releases/download/v1.0/'
  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)

Utilización

Para entrenar un modelo YOLOv8n-seg en el conjunto de datos COCO-Seg durante 100 épocas con un tamaño de imagen de 640, puedes utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulta la página Entrenamiento del modelo.

from ultralytics import YOLO

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

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

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

Ejemplos de imágenes 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 de las imágenes. Aquí tienes algunos ejemplos de imágenes del conjunto de datos, junto con sus correspondientes máscaras de segmentación de instancias:

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

El ejemplo muestra la variedad y complejidad de las imágenes del conjunto de datos COCO-Seg y las ventajas de utilizar mosaicos durante el proceso de entrenamiento.

Citas y agradecimientos

Si utilizas el conjunto de datos COCO-Seg en tu trabajo de investigación o desarrollo, cita el documento original de COCO y reconoce la ampliación 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 recurso inestimable para la comunidad de visión por ordenador. Para más información sobre el conjunto de datos COCO y sus creadores, visita el sitio web del conjunto de datos COCO.

Comentarios