Ultralytics YOLO27:

データセットの概要#

Ultralyticsは、物体検出、インスタンスセグメンテーション、セマンティックセグメンテーション、深度推定、分類、ポーズ推定、方向付きバウンディングボックス（OBB）などのコンピュータービジョンタスクを支援するため、さまざまなデータセットをサポートしています。以下に主要なUltralyticsデータセットの一覧を示し、その後に各コンピュータービジョンタスクと対応するデータセットの概要を示します。トラッキングモードは、トラッカー固有の学習なしで検出、セグメンテーション、ポーズ、OBBモデル上で実行されます。詳細はトラッキングデータセットをご覧ください。



Watch: Ultralytics Datasets Overview

オブジェクト検出#

バウンディングボックス物体検出は、各物体の周囲にバウンディングボックスを描画することで、画像内の物体を検出して位置を特定するコンピュータービジョン技術です。

  • African-wildlife：バッファロー、ゾウ、サイ、シマウマなど、アフリカの野生動物の画像を収録したデータセットです。
  • Argoverse：豊富なアノテーションを備えた、都市環境の3Dトラッキングおよび動き予測データを含むデータセットです。
  • Brain-tumor：腫瘍の有無、位置、特徴に関する詳細情報を含むMRIまたはCTスキャン画像を収録した、脳腫瘍検出用のデータセットです。
  • COCO：Common Objects in Context（COCO）は、80の物体カテゴリを含む大規模な物体検出、セグメンテーション、キャプション生成用データセットです。
  • COCO8: COCO train2017の最初の8枚の画像（トレーニング用4枚、検証用4枚）からなる小さめのサブセットであり、クイックテストに適しています。
  • COCO8-Grayscale：RGBをグレースケールに変換して作成したCOCO8のグレースケール版で、単一チャネルモデルの評価に役立ちます。
  • COCO8-Multispectral：RGBの波長を補間して作成した10チャネルのCOCO8マルチスペクトル版で、スペクトル対応モデルの評価に役立ちます。
  • COCO12-Formats: 画像読み込みパイプラインを検証するための、サポートされている12種類の画像フォーマット（AVIF、BMP、DNG、HEIC、JP2、JPEG、JPG、MPO、PNG、TIF、TIFF、WebP）を網羅した12枚の画像テストデータセットです。
  • COCO128：COCO train2017の最初の128枚の画像からなる小規模なサブセットで、テストに適しています。
  • Construction-PPE：ヘルメット、ベスト、手袋、ブーツ、安全ゴーグルなどの主要な安全装備に加え、装備の不足を示すラベルも付けた建設現場画像のデータセットです。コンプライアンスと作業員保護のためのAIモデル開発を支援します。
  • Global Wheat 2020：Global Wheat Challenge 2020向けの、コムギの穂の画像を含むデータセットです。
  • HomeObjects-3K：12種類の一般的な家庭用品を含む、アノテーション済みの屋内シーンデータセットです。スマートホームシステム、ロボティクス、拡張現実向けのコンピュータービジョンモデルの開発とテストに適しています。
  • KITTI: ステレオ、LiDAR、GPS/IMU入力を備えた、多様な道路シーンでの2Dオブジェクト検出に使用されるよく知られた自動運転データセットです。
  • LVIS：1203の物体カテゴリを含む大規模な物体検出、セグメンテーション、キャプション生成用データセットです。
  • Medical-pills：医薬品の品質管理、仕分け、業界標準への準拠確認などのタスクを支援するために設計された、医療用錠剤のラベル付き画像データセットです。
  • Objects365：365の物体カテゴリと60万枚を超えるアノテーション済み画像を含む、高品質かつ大規模な物体検出用データセットです。
  • OpenImagesV7：Googleによる包括的なデータセットで、170万枚の学習画像と4万2千枚の検証画像を含みます。
  • RF100：7つの画像ドメインにまたがる100個のデータセットで構成された、多様な物体検出ベンチマークです。包括的なモデル評価に使用できます。
  • Signature：署名がアノテーションされたさまざまな文書画像を含むデータセットで、文書検証や不正検出の研究を支援します。
  • SKU-110K：小売環境における高密度物体検出用のデータセットで、1万1千枚を超える画像と170万個のバウンディングボックスを含みます。
  • TT100K: 221の標識カテゴリにわたる16,817枚のストリートビュー画像を含むTsinghua-Tencent 100K交通標識データセットです。
  • VisDrone：ドローンで撮影された画像から得られた物体検出およびマルチオブジェクトトラッキングデータを含むデータセットで、1万枚を超える画像と動画シーケンスを収録しています。
  • VOC：20の物体クラスと1万1千枚を超える画像を含む、物体検出およびセグメンテーション用のPascal Visual Object Classes（VOC）データセットです。
  • xView：上空から撮影した画像における物体検出用のデータセットで、60の物体カテゴリと100万個を超えるアノテーション済み物体を含みます。

インスタンスセグメンテーション#

インスタンスセグメンテーションは、画像内の物体をピクセルレベルで識別し、位置を特定するコンピュータービジョン技術です。各ピクセルを分類するだけのセマンティックセグメンテーションとは異なり、インスタンスセグメンテーションでは同じクラスの異なるインスタンスを区別します。

  • Carparts-seg：車両部品の識別に特化して構築されたデータセットで、設計、製造、研究のニーズに対応します。物体検出とセグメンテーションの両方のタスクに使用できます。
  • COCO：物体検出、セグメンテーション、キャプション生成タスク向けに設計された大規模なデータセットで、20万枚を超えるラベル付き画像を含みます。
  • COCO8-seg：セグメンテーションアノテーション付きのCOCO画像8枚のサブセットを含む、インスタンスセグメンテーションタスク向けの小規模なデータセットです。
  • COCO128-seg：セグメンテーションアノテーション付きのCOCO画像128枚のサブセットを含む、インスタンスセグメンテーションタスク向けの小規模なデータセットです。
  • Crack-seg：道路や壁のひび割れ検出用に特別に作成されたデータセットで、物体検出とセグメンテーションの両方のタスクに適用できます。
  • Package-seg：倉庫や産業環境における荷物の識別に特化したデータセットで、物体検出とセグメンテーションの両方の用途に適しています。

セマンティックセグメンテーション#

セマンティックセグメンテーションは、画像内のすべてのピクセルにクラスラベルを割り当て、自動運転、シーン解析、土地被覆マッピングなどの用途向けに高密度なシーンマップを生成します。

  • Cityscapes：19の学習クラスを持つ、都市の道路シーン向けセマンティックセグメンテーションデータセットです。
  • Cityscapes8：セマンティックセグメンテーションパイプラインの迅速なチェックに使用できる、Cityscapesのコンパクトな8枚画像サブセットです。
  • ADE20K：150のセマンティッククラスを持つシーン解析用データセットです。

深度推定#

単眼深度推定は、単一のRGB画像からピクセルごとの深度マップをメートル単位で予測し、3Dシーン再構築、ロボットナビゲーション、AR/VRアプリケーションを支援します。

  • Depth8：パイプラインの迅速なチェックに使用できる、SUN RGB-Dのコンパクトな8枚画像サブセットです。
  • ARKitScenes: Apple ARKit LiDARでキャプチャされた実世界の屋内RGB-Dであり、最大の実際のトレーニングソースです。
  • SUN RGB-D: 4つの異なるRGB-Dセンサーでキャプチャされた実世界の屋内シーンです。
  • DIODE: 測量グレードのレーザースキャナーによる高密度な屋内および屋外の深度データです。
  • Hypersim: 完璧なピクセル単位の深度を持つフォトリアルな合成屋内シーンです。
  • TartanAir: ~80 mまでの高密度な深度を持つ合成AirSim環境です。
  • Virtual KITTI 2: 高密度な深度を持つKITTIドライビングシーンの合成再現です。
  • KITTI: Velodyne LiDARの深度を持つ現実世界の屋外自動運転シーンであり、KITTI Eigenベンチマークでもあります。
  • ImageNet (pseudo-labeled): 蒸留用のDepth Anything 3擬似ラベルが付いたImageNet-1K画像です。
  • NYU Depth V2：Microsoft Kinect v1で撮影された、標準的な屋内深度ベンチマークです。
  • ETH3D: 高精度な屋内および屋外のレーザースキャナーベンチマークです。
  • Make3D: アウトオブディストリビューションの屋外キャンパスベンチマークです。
  • iBims-1: 深度のエッジと平面サーフェスに関する高品質な屋内ベンチマークです。

分類#

画像分類は、画像の視覚的な内容に基づいて、画像を1つ以上のあらかじめ定義されたクラスまたはカテゴリに分類するコンピュータービジョンタスクです。

  • Caltech 101：画像分類タスク向けに、101の物体カテゴリの画像を含むデータセットです。
  • Caltech 256：物体カテゴリを256種類に拡張し、より難易度の高い画像を含むCaltech 101の拡張版です。
  • CIFAR-10：10クラス、クラスあたり6千枚、合計6万枚の32x32カラー画像からなるデータセットです。
  • CIFAR-100：物体カテゴリを100種類に拡張し、クラスあたり600枚の画像を含むCIFAR-10の拡張版です。
  • Fashion-MNIST：画像分類タスク向けに、10種類のファッションカテゴリのグレースケール画像7万枚からなるデータセットです。
  • ImageNet：1400万枚を超える画像と2万のカテゴリを含む、大規模な物体検出および画像分類用データセットです。
  • ImageNet-10：実験とテストを高速化できる、10カテゴリのImageNet小規模サブセットです。
  • Imagenette：すばやく識別できる10クラスを含むImageNetの小規模なサブセットで、より迅速な学習とテストに適しています。
  • Imagewoof：画像分類タスク向けに、10種類の犬種カテゴリを含む、より難易度の高いImageNetサブセットです。
  • MNIST：画像分類タスク向けに、手書き数字のグレースケール画像7万枚からなるデータセットです。
  • MNIST160：MNISTの学習分割とテスト分割の両方から、各数字（0-9）の最初の8枚を収録しています。データセットは合計160枚の画像で構成されます。

ポーズ推定#

ポーズ推定は、カメラまたはワールド座標系に対する物体の姿勢を決定する技術です。特に人や動物などの物体上にあるキーポイントや関節を識別します。

  • COCO：ポーズ推定タスク向けに設計された、人間のポーズアノテーションを含む大規模なデータセットです。
  • COCO8-pose：人間のポーズアノテーション付きCOCO画像8枚のサブセットを含む、ポーズ推定タスク向けの小規模なデータセットです。
  • Dog-pose：犬に焦点を当てた約8,500枚の画像を含む包括的なデータセットで、各犬に24個のキーポイントがアノテーションされています。ポーズ推定タスク向けに設計されています。
  • Hand-Keypoints：人の手に焦点を当てた2万6千枚を超える画像を含む簡潔なデータセットで、各手に21個のキーポイントがアノテーションされています。ポーズ推定タスク向けに設計されています。
  • Tiger-pose：トラに焦点を当てた263枚の画像からなるコンパクトなデータセットで、ポーズ推定タスク向けに各トラへ12個のキーポイントがアノテーションされています。

方向付きバウンディングボックス（OBB）#

方向付きバウンディングボックス（OBB）は、回転したバウンディングボックスを使用して画像内の角度の付いた物体を検出するコンピュータービジョン手法で、航空画像や衛星画像によく適用されます。従来のバウンディングボックスと異なり、OBBはさまざまな向きの物体により適切にフィットします。

  • DOTA-v2：170万のインスタンスと11,268枚の画像を含む、広く利用されているOBB航空画像データセットです。
  • DOTA8：DOTAv1の分割セットの最初の8枚（学習用4枚、検証用4枚）からなる小規模なサブセットで、迅速なテストに適しています。
  • DOTA128：学習と検証用に128枚の画像を含むDOTAデータセットのサブセットで、OBBモデルのテストにおいてサイズと多様性のバランスに優れています。

新しいデータセットの提供#

新しいデータセットを提供するには、既存のインフラストラクチャと適切に統合できるよう、いくつかの手順が必要です。必要な手順を以下に示します。



Watch: How to Contribute to Ultralytics Datasets

新しいデータセットを提供する手順#

  1. 画像を収集：データセットに含める画像を集めます。公開データベースや独自のコレクションなど、さまざまなソースから収集できます。

  2. 画像にアノテーションを付与：タスクに応じて、これらの画像にバウンディングボックス、セグメント、またはキーポイントのアノテーションを付与します。

  3. アノテーションをエクスポート：これらのアノテーションを、UltralyticsがサポートするYOLOの*.txtファイル形式に変換します。

  4. データセットを整理：データセットを正しいフォルダー構造に整理します。最上位にimages/とlabels/ディレクトリを配置し、それぞれの内部にtrain/とval/サブディレクトリを配置します。

    dataset/
├── images/
│   ├── train/
│   └── val/
└── labels/
    ├── train/
    └── val/

  5. data.yamlファイルを作成：データセットのルートディレクトリに、データセット、クラス、その他の必要な情報を記述するdata.yamlファイルを作成します。

  6. 画像を最適化（任意）：より効率的に処理できるようデータセットのサイズを小さくしたい場合は、以下のコードを使用して画像を最適化できます。必須ではありませんが、データセットのサイズ縮小とダウンロード速度の向上に推奨されます。

  7. データセットをZIP化：データセットフォルダー全体をzipファイルに圧縮します。

  8. ドキュメントとPR：データセットと既存のフレームワークへの適合方法を説明するドキュメントページを作成します。その後、プルリクエスト（PR）を提出します。PRの提出方法については、Ultralytics貢献ガイドラインをご覧ください。

データセットを最適化およびZIP化するサンプルコード#

データセットの最適化とZIP化
from pathlib import Path

from ultralytics.data.utils import compress_one_image
from ultralytics.utils.downloads import zip_directory

# Define dataset directory
path = Path("path/to/dataset")

# Optimize images in dataset (optional)
for f in path.rglob("*.jpg"):
    compress_one_image(f)

# Zip dataset into 'path/to/dataset.zip'
zip_directory(path)

これらの手順に従うことで、Ultralyticsの既存の構造に適切に統合できる新しいデータセットを提供できます。

FAQ#

  • Ultralyticsは、物体検出向けに、以下を含む幅広いデータセットをサポートしています。

    • COCO：80の物体カテゴリを含む大規模な物体検出、セグメンテーション、キャプション生成用データセットです。
    • LVIS：より細粒度の物体検出およびセグメンテーション向けに設計された、1203の物体カテゴリを含む大規模なデータセットです。
    • Argoverse：豊富なアノテーションを備えた、都市環境の3Dトラッキングおよび動き予測データを含むデータセットです。
    • VisDrone：ドローンで撮影された画像から得られた物体検出およびマルチオブジェクトトラッキングデータを含むデータセットです。
    • SKU-110K：1万1千枚を超える画像を含む、小売環境向けの高密度物体検出データセットです。

    これらのデータセットは、さまざまな物体検出アプリケーション向けに、堅牢なUltralytics YOLOモデルの学習を支援します。

  • 新しいデータセットを提供するには、いくつかの手順が必要です。

    1. 画像を収集：公開データベースや個人のコレクションから画像を集めます。
    2. 画像にアノテーションを付与：タスクに応じて、バウンディングボックス、セグメント、またはキーポイントを付与します。
    3. アノテーションをエクスポート：アノテーションをYOLOの*.txt形式に変換します。
    4. データセットを整理：train/とval/ディレクトリを配置し、それぞれにimages/とlabels/サブディレクトリを含めるフォルダー構造を使用します。
    5. data.yamlファイルを作成：データセットの説明、クラス、その他の関連情報を含めます。
    6. 画像を最適化（任意）：効率化のためにデータセットのサイズを小さくします。
    7. データセットをZIP化：データセットをzipファイルに圧縮します。
    8. ドキュメントとPR：データセットを説明し、Ultralytics貢献ガイドラインに従ってプルリクエストを提出します。

    包括的なガイドについては、新しいデータセットの提供をご覧ください。

  • Ultralytics Platformは、以下を含むデータセット管理および分析向けの強力な機能を提供します。

    • シームレスなデータセット管理：データセットを1か所にアップロード、整理、管理できます。
    • 即時の学習統合：追加設定なしで、アップロードしたデータセットをモデルの学習に直接使用できます。
    • 可視化ツール: データセットの画像とアノテーションを探索・可視化できます。
    • データセット分析: データセットの分布や特性に関するインサイトを取得できます。

    このプラットフォームは、データセット管理からモデルのトレーニングまでの移行を効率化し、プロセス全体をより効率的にします。Ultralytics Platform Datasetsの詳細をご覧ください。

  • Ultralytics YOLOモデルは、コンピュータービジョンタスク向けに、いくつかの独自の特長を備えています。

    • リアルタイム性能: 時間的制約のあるアプリケーションに対応する、高速な推論およびトレーニング機能です。
    • 汎用性: 統一されたフレームワークで、検出、インスタンスセグメンテーション、セマンティックセグメンテーション、深度推定、分類、姿勢推定のタスクをサポートします。
    • 事前トレーニング済みモデル: さまざまなアプリケーション向けに、高性能な事前トレーニング済みモデルを利用でき、トレーニング時間を短縮できます。
    • 充実したコミュニティサポート: トラブルシューティングや開発に役立つ、活発なコミュニティと包括的なドキュメントを利用できます。
    • 容易な統合: 既存のプロジェクトやワークフローに統合できるシンプルなAPIを提供します。

    Ultralytics Modelsページで、YOLOモデルの詳細をご覧ください。

  • Ultralyticsのツールを使用してデータセットを最適化し、ZIP圧縮するには、次のサンプルコードに従ってください。

    データセットの最適化とZIP化
    from pathlib import Path

from ultralytics.data.utils import compress_one_image
from ultralytics.utils.downloads import zip_directory

# Define dataset directory
path = Path("path/to/dataset")

# Optimize images in dataset (optional)
for f in path.rglob("*.jpg"):
    compress_one_image(f)

# Zip dataset into 'path/to/dataset.zip'
zip_directory(path)

    このプロセスにより、データセットのサイズを削減して、より効率的なストレージと高速なダウンロードを実現できます。データセットの最適化とZIP圧縮の詳細をご覧ください。

貢献者
GLglenn-jocher25RIRizwanMunawar14LALaughing-q4JKjk4e3RAraimbekovm2PDpderrenger2AYAyushExel2BOBovey08091FCfcakyon1LAlakshanthad1MAMatthewNoyce1BUBurhan-Q1ABabirami-vina1

コメント