Link to this sectionCómo entrenar YOLO con COCO JSON sin conversiones#
Link to this section¿Por qué entrenar directamente con COCO JSON?#
Las anotaciones en formato COCO JSON se pueden usar directamente para el entrenamiento de Ultralytics YOLO sin necesidad de convertirlas primero a archivos .txt. Esto se consigue creando una subclase de YOLODataset para analizar el COCO JSON al vuelo e integrándola en el proceso de entrenamiento mediante un entrenador personalizado.
Este enfoque mantiene el COCO JSON como la única fuente de verdad: sin llamadas a convert_coco(), sin reorganización de directorios ni archivos de etiquetas intermedios. YOLO26 y el resto de modelos de detección de Ultralytics YOLO son compatibles. Los modelos de segmentación y pose requieren campos de etiqueta adicionales (consulta FAQ).
Consulta la guía de conversión de COCO a YOLO para el flujo de trabajo estándar convert_coco().
Link to this sectionDescripción general de la arquitectura#
Se necesitan dos clases:
COCODataset: lee el COCO JSON y convierte las bounding boxes al formato YOLO en memoria durante el entrenamiento.COCOTrainer: sobrescribebuild_dataset()para usarCOCODataseten lugar delYOLODatasetpor defecto.
La implementación sigue el mismo patrón que la clase integrada GroundingDataset, que también lee anotaciones JSON directamente. Se sobrescriben tres métodos: get_img_files(), cache_labels() y get_labels().
Link to this sectionConstrucción de la clase de dataset para COCO JSON#
La clase COCODataset hereda de YOLODataset y sobrescribe la lógica de carga de etiquetas. En lugar de leer archivos .txt de un directorio de etiquetas, abre el archivo COCO JSON, recorre las anotaciones agrupadas por imagen y convierte cada bounding box del formato de píxeles COCO [x_min, y_min, width, height] al formato normalizado de centro de YOLO [x_center, y_center, width, height]. Las anotaciones de multitud (iscrowd: 1) y las cajas de área cero se omiten automáticamente.
El método get_img_files() devuelve una lista vacía porque las rutas de las imágenes se resuelven a partir del campo file_name del JSON dentro de cache_labels(). Los IDs de categoría se ordenan y reasignan a índices de clase basados en cero, por lo que funcionan correctamente tanto los esquemas de ID basados en 1 (estándar COCO) como los no contiguos.
import json
from collections import defaultdict
from pathlib import Path
import numpy as np
from ultralytics.data.dataset import DATASET_CACHE_VERSION, YOLODataset
from ultralytics.data.utils import get_hash, load_dataset_cache_file, save_dataset_cache_file
from ultralytics.utils import TQDM
class COCODataset(YOLODataset):
"""Dataset that reads COCO JSON annotations directly without conversion to .txt files."""
def __init__(self, *args, json_file="", **kwargs):
"""Initialize the dataset with a COCO JSON annotation file."""
self.json_file = json_file
super().__init__(*args, data={"channels": 3}, **kwargs)
def get_img_files(self, img_path):
"""Image paths are resolved from the JSON file, not from scanning a directory."""
return []
def cache_labels(self, path=Path("./labels.cache")):
"""Parse COCO JSON and convert annotations to YOLO format. Results are saved to a .cache file."""
x = {"labels": []}
with open(self.json_file) as f:
coco = json.load(f)
images = {img["id"]: img for img in coco["images"]}
# Sort categories by ID and map to 0-indexed classes
categories = {cat["id"]: i for i, cat in enumerate(sorted(coco["categories"], key=lambda c: c["id"]))}
img_to_anns = defaultdict(list)
for ann in coco["annotations"]:
img_to_anns[ann["image_id"]].append(ann)
for img_info in TQDM(coco["images"], desc="reading annotations"):
h, w = img_info["height"], img_info["width"]
im_file = Path(self.img_path) / img_info["file_name"]
if not im_file.exists():
continue
self.im_files.append(str(im_file))
bboxes = []
for ann in img_to_anns.get(img_info["id"], []):
if ann.get("iscrowd", False):
continue
# COCO: [x, y, w, h] top-left in pixels -> YOLO: [cx, cy, w, h] center normalized
box = np.array(ann["bbox"], dtype=np.float32)
box[:2] += box[2:] / 2 # top-left to center
box[[0, 2]] /= w # normalize x
box[[1, 3]] /= h # normalize y
if box[2] <= 0 or box[3] <= 0:
continue
cls = categories[ann["category_id"]]
bboxes.append([cls, *box.tolist()])
lb = np.array(bboxes, dtype=np.float32) if bboxes else np.zeros((0, 5), dtype=np.float32)
x["labels"].append(
{
"im_file": str(im_file),
"shape": (h, w),
"cls": lb[:, 0:1],
"bboxes": lb[:, 1:],
"segments": [],
"normalized": True,
"bbox_format": "xywh",
}
)
x["hash"] = get_hash([self.json_file, str(self.img_path)])
save_dataset_cache_file(self.prefix, path, x, DATASET_CACHE_VERSION)
return x
def get_labels(self):
"""Load labels from .cache file if available, otherwise parse JSON and create the cache."""
cache_path = Path(self.json_file).with_suffix(".cache")
try:
cache = load_dataset_cache_file(cache_path)
assert cache["version"] == DATASET_CACHE_VERSION
assert cache["hash"] == get_hash([self.json_file, str(self.img_path)])
self.im_files = [lb["im_file"] for lb in cache["labels"]]
except (FileNotFoundError, AssertionError, AttributeError, KeyError, ModuleNotFoundError):
cache = self.cache_labels(cache_path)
cache.pop("hash", None)
cache.pop("version", None)
return cache["labels"]Las etiquetas analizadas se guardan en un archivo .cache junto al JSON (por ejemplo, instances_train.cache). En ejecuciones de entrenamiento posteriores, la caché se carga directamente, omitiendo el análisis del JSON. Si el archivo JSON cambia, la comprobación de hash falla y la caché se reconstruye automáticamente.
Link to this sectionConexión del dataset al proceso de entrenamiento#
El único cambio necesario en el entrenador es sobrescribir build_dataset(). El DetectionTrainer por defecto construye un YOLODataset que busca archivos de etiquetas .txt. Al sustituirlo por COCODataset, el entrenador lee directamente del COCO JSON.
La ruta del archivo JSON se obtiene de un campo personalizado train_json / val_json en la configuración de datos (consulta el Paso 3). Durante el entrenamiento, mode="train" se resuelve a train_json; durante la validación, mode="val" se resuelve a val_json. Si val_json no está definido, se utiliza train_json por defecto.
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import colorstr
class COCOTrainer(DetectionTrainer):
"""Trainer that uses COCODataset for direct COCO JSON training."""
def build_dataset(self, img_path, mode="train", batch=None):
"""Build a COCODataset for the given split using the JSON file from the data config."""
json_file = self.data["train_json"] if mode == "train" else self.data.get("val_json", self.data["train_json"])
return COCODataset(
img_path=img_path,
json_file=json_file,
imgsz=self.args.imgsz,
batch_size=batch,
augment=mode == "train",
hyp=self.args,
rect=self.args.rect or mode == "val",
cache=self.args.cache or None,
single_cls=self.args.single_cls or False,
stride=int(self.model.stride.max()) if hasattr(self, "model") and self.model else 32,
pad=0.0 if mode == "train" else 0.5,
prefix=colorstr(f"{mode}: "),
task=self.args.task,
classes=self.args.classes,
fraction=self.args.fraction if mode == "train" else 1.0,
)Link to this sectionConfiguración de dataset.yaml para COCO JSON#
El dataset.yaml utiliza los campos estándar path, train y val para localizar los directorios de imágenes. Dos campos adicionales, train_json y val_json, especifican los archivos de anotación COCO que lee COCOTrainer. Los campos nc y names definen el número de clases y sus nombres, coincidiendo con el orden ordenado de categories en el JSON.
path: /path/to/images # root directory with train/ and val/ subfolders
train: train
val: val
# COCO JSON annotation files
train_json: /path/to/annotations/instances_train.json
val_json: /path/to/annotations/instances_val.json
nc: 80
names:
0: person
1: bicycle
# ... remaining class namesEstructura de directorios esperada:
my_dataset/
images/
train/
img_001.jpg
...
val/
img_100.jpg
...
annotations/
instances_train.json
instances_val.json
dataset.yamlLink to this sectionEjecución del entrenamiento en COCO JSON#
Con la clase de dataset, la clase de entrenador y la configuración YAML listas, el entrenamiento funciona mediante la llamada estándar model.train(). La única diferencia con una ejecución de entrenamiento normal es el argumento trainer=COCOTrainer, que indica a Ultralytics que utilice el cargador de datasets personalizado en lugar del predeterminado.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="dataset.yaml", epochs=100, imgsz=640, trainer=COCOTrainer)Todo el proceso de entrenamiento se ejecuta según lo esperado, incluyendo la validación, el guardado de checkpoints y el registro de métricas.
Link to this sectionImplementación completa#
Para mayor comodidad, la implementación completa se proporciona a continuación como un script único para copiar y pegar. Incluye el dataset personalizado, el entrenador personalizado y la llamada de entrenamiento. Guárdalo junto a tu dataset.yaml y ejecútalo directamente.
import json
from collections import defaultdict
from pathlib import Path
import numpy as np
from ultralytics import YOLO
from ultralytics.data.dataset import DATASET_CACHE_VERSION, YOLODataset
from ultralytics.data.utils import get_hash, load_dataset_cache_file, save_dataset_cache_file
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import TQDM, colorstr
class COCODataset(YOLODataset):
"""Dataset that reads COCO JSON annotations directly without conversion to .txt files."""
def __init__(self, *args, json_file="", **kwargs):
"""Initialize the dataset with a COCO JSON annotation file."""
self.json_file = json_file
super().__init__(*args, data={"channels": 3}, **kwargs)
def get_img_files(self, img_path):
"""Image paths are resolved from the JSON file, not from scanning a directory."""
return []
def cache_labels(self, path=Path("./labels.cache")):
"""Parse COCO JSON and convert annotations to YOLO format, saving results to a .cache file."""
x = {"labels": []}
with open(self.json_file) as f:
coco = json.load(f)
images = {img["id"]: img for img in coco["images"]}
categories = {cat["id"]: i for i, cat in enumerate(sorted(coco["categories"], key=lambda c: c["id"]))}
img_to_anns = defaultdict(list)
for ann in coco["annotations"]:
img_to_anns[ann["image_id"]].append(ann)
for img_info in TQDM(coco["images"], desc="reading annotations"):
h, w = img_info["height"], img_info["width"]
im_file = Path(self.img_path) / img_info["file_name"]
if not im_file.exists():
continue
self.im_files.append(str(im_file))
bboxes = []
for ann in img_to_anns.get(img_info["id"], []):
if ann.get("iscrowd", False):
continue
box = np.array(ann["bbox"], dtype=np.float32)
box[:2] += box[2:] / 2
box[[0, 2]] /= w
box[[1, 3]] /= h
if box[2] <= 0 or box[3] <= 0:
continue
cls = categories[ann["category_id"]]
bboxes.append([cls, *box.tolist()])
lb = np.array(bboxes, dtype=np.float32) if bboxes else np.zeros((0, 5), dtype=np.float32)
x["labels"].append(
{
"im_file": str(im_file),
"shape": (h, w),
"cls": lb[:, 0:1],
"bboxes": lb[:, 1:],
"segments": [],
"normalized": True,
"bbox_format": "xywh",
}
)
x["hash"] = get_hash([self.json_file, str(self.img_path)])
save_dataset_cache_file(self.prefix, path, x, DATASET_CACHE_VERSION)
return x
def get_labels(self):
"""Load labels from .cache file if available, otherwise parse JSON and create the cache."""
cache_path = Path(self.json_file).with_suffix(".cache")
try:
cache = load_dataset_cache_file(cache_path)
assert cache["version"] == DATASET_CACHE_VERSION
assert cache["hash"] == get_hash([self.json_file, str(self.img_path)])
self.im_files = [lb["im_file"] for lb in cache["labels"]]
except (FileNotFoundError, AssertionError, AttributeError, KeyError, ModuleNotFoundError):
cache = self.cache_labels(cache_path)
cache.pop("hash", None)
cache.pop("version", None)
return cache["labels"]
class COCOTrainer(DetectionTrainer):
"""Trainer that uses COCODataset for direct COCO JSON training."""
def build_dataset(self, img_path, mode="train", batch=None):
"""Build a COCODataset for the given split using the JSON file from the data config."""
json_file = self.data["train_json"] if mode == "train" else self.data.get("val_json", self.data["train_json"])
return COCODataset(
img_path=img_path,
json_file=json_file,
imgsz=self.args.imgsz,
batch_size=batch,
augment=mode == "train",
hyp=self.args,
rect=self.args.rect or mode == "val",
cache=self.args.cache or None,
single_cls=self.args.single_cls or False,
stride=int(self.model.stride.max()) if hasattr(self, "model") and self.model else 32,
pad=0.0 if mode == "train" else 0.5,
prefix=colorstr(f"{mode}: "),
task=self.args.task,
classes=self.args.classes,
fraction=self.args.fraction if mode == "train" else 1.0,
)
model = YOLO("yolo26n.pt")
model.train(data="dataset.yaml", epochs=100, imgsz=640, trainer=COCOTrainer)Para recomendaciones sobre hiperparámetros, consulta la guía de Consejos para el entrenamiento de modelos.
Link to this sectionFAQ#
Link to this section¿Cuál es la diferencia entre esto y convert_coco()?#
convert_coco() escribe archivos de etiquetas .txt en el disco como una conversión única. Este enfoque analiza el JSON al inicio de cada ejecución de entrenamiento y convierte las anotaciones en memoria. Utiliza convert_coco() cuando prefieras tener etiquetas en formato YOLO de forma permanente; utiliza este enfoque para mantener el COCO JSON como la única fuente de verdad sin generar archivos adicionales.
Link to this section¿Puede YOLO entrenar con COCO JSON sin código personalizado?#
No con el pipeline actual de Ultralytics, que espera etiquetas YOLO .txt por defecto. Esta guía proporciona el código personalizado mínimo necesario: una clase de dataset y una clase de entrenador. Una vez definidas, el entrenamiento solo requiere una llamada estándar a model.train().
Link to this section¿Es compatible con segmentación y estimación de pose?#
This guide covers object detection. To add instance segmentation support, include the segmentation polygon data from COCO annotations in the segments field of each label dictionary. For pose estimation, include keypoints. The GroundingDataset source code provides a reference implementation for handling segments.
Link to this section¿Funcionan las aumentaciones con este dataset personalizado?#
Sí. COCODataset extiende YOLODataset, por lo que todas las aumentaciones de datos integradas — mosaic, mixup, copy-paste y otras — funcionan sin modificaciones.
Link to this section¿Cómo se asignan los IDs de categoría a los índices de clase?#
Las categorías se ordenan por id y se asignan a índices secuenciales que comienzan desde 0. Esto gestiona los IDs basados en 1 (COCO estándar), los basados en 0 y los IDs no contiguos. El diccionario names en dataset.yaml debe seguir el mismo orden ordenado que la matriz de categories de COCO.
Link to this section¿Existe una sobrecarga de rendimiento en comparación con las etiquetas preconvertidas?#
El COCO JSON se analiza una vez en la primera ejecución de entrenamiento. Las etiquetas analizadas se guardan en un archivo .cache, por lo que las ejecuciones posteriores se cargan al instante sin necesidad de volver a analizarlas. La velocidad de entrenamiento es idéntica a la del entrenamiento YOLO estándar, ya que las anotaciones se mantienen en memoria. La caché se reconstruye automáticamente si el archivo JSON cambia.