COCO12-フォーマットデータセット

Q: Can I Add New Format Tests?

はい！追加のフォーマットを含めるよう、generate_coco12_formats.py スクリプトを修正してください。ultralytics.py 内の IMG_FORMATS も更新することを確認してください。

はじめに

The Ultralytics COCO12-Formatsデータセットは、サポートされている全12種類の画像フォーマット拡張子における画像読み込みを検証するために設計された専用テストデータセットです。画像読み込みパイプラインの包括的なテストを保証するため、12枚の画像（トレーニング用6枚、検証用6枚）がそれぞれ異なるフォーマットで保存されています。

このデータセットは以下にとって非常に貴重です：

画像フォーマットのサポートテスト：サポートされている全フォーマットが正しく読み込まれることを確認する
CI/CDパイプライン：フォーマット互換性の自動テスト
デバッグ: トレーニングパイプラインにおけるフォーマット固有の問題を特定する
開発：新規フォーマットの追加または変更の検証

対応フォーマット

このデータセットには、で定義された12のサポート対象フォーマット拡張子それぞれに対応する画像が1枚ずつ含まれています。 ultralytics/data/utils.py:

形式	拡張子	説明	列車/ヴァル
AVIF	`.avif`	AV1画像ファイル形式（最新）	トレーニング
BMP	`.bmp`	ビットマップ - 非圧縮ラスター形式	トレーニング
DNG	`.dng`	デジタルネガティブ - Adobe RAW形式	トレーニング
HEIC	`.heic`	高効率画像符号化	トレーニング
JPEG	`.jpeg`	拡張子付きのJPEG	トレーニング
JPG	`.jpg`	短い拡張子を持つJPEG	トレーニング
JP2	`.jp2`	JPEG 2000 - 医療/地理空間	Val
MPO	`.mpo`	マルチピクチャーオブジェクト（ステレオ画像）	Val
PNG	`.png`	ポータブルネットワークグラフィックス	Val
TIF	`.tif`	拡張子が短いTIFF	Val
TIFF	`.tiff`	タグ付き画像ファイル形式	Val
WebP	`.webp`	現代的なウェブ画像フォーマット	Val

データセットの構造

coco12-formats/
├── images/
│   ├── train/          # 6 images (avif, bmp, dng, heic, jpeg, jpg)
│   └── val/            # 6 images (jp2, mpo, png, tif, tiff, webp)
├── labels/
│   ├── train/          # Corresponding YOLO format labels
│   └── val/
└── coco12-formats.yaml # Dataset configuration

データセット YAML

COCO12-Formatsデータセットは、データセットのパスとクラス名を定義するYAMLファイルを使用して構成されます。公式ドキュメントを確認できます。 coco12-formats.yaml ファイルの Ultralytics GitHubリポジトリ.

ultralytics.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# COCO12-Formats dataset (12 images testing all supported image formats) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco12-formats/
# Example usage: yolo train data=coco12-formats.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco12-formats ← 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: coco12-formats # dataset root dir
train: images/train # train images (relative to 'path') 6 images
val: images/val # val images (relative to 'path') 6 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/coco12-formats.zip

データセットの生成

提供されたスクリプトを使用すると、COCO128 ソース画像を、サポートされている全COCO128 換してデータセットを生成できます：

from ultralytics.data.scripts.generate_coco12_formats import generate_coco12_formats

# Generate the dataset
generate_coco12_formats()

必要条件

一部のフォーマットでは追加の依存関係が必要です：

pip install pillow pillow-heif pillow-avif-plugin

AVIFシステムライブラリ（オプション）

OpenCV AVIFファイルを直接OpenCV 、 libavif インストールされなければならない前に OpenCVのビルド:

macOSUbuntu/Debianソースから

brew install libavif

sudo apt install libavif-dev libavif-bin

git clone -b v1.2.1 https://github.com/AOMediaCodec/libavif.git
cd libavif
cmake -B build -DAVIF_CODEC_AOM=SYSTEM -DAVIF_BUILD_APPS=ON
cmake --build build --config Release --parallel
sudo cmake --install build

注

pipでインストールされた opencv-python パッケージは事前ビルド済みのため、AVIFサポートを含まない可能性があります。Ultralytics PillowUltralytics 。 pillow-avif-plugin OpenCV サポートOpenCV 場合のAVIF画像の代替手段として。

使用法

COCO12-FormatsデータセットでYOLO をトレーニングするには、以下の例を使用してください：

学習の例

PythonCLI

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Train on COCO12-Formats to test all image formats
results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=640)

# Train YOLO on COCO12-Formats
yolo detect train data=coco12-formats.yaml model=yolo26n.pt epochs=1 imgsz=640

フォーマット固有の注意事項

AVIF（AV1画像ファイル形式）

AVIFはAV1ビデオコーデックに基づく現代的な画像フォーマットであり、優れた圧縮性能を提供します。 pillow-avif-plugin:

pip install pillow-avif-plugin

DNG（デジタルネガティブ）

DNGはTIFFを基盤とするアドビのオープンRAWフォーマットです。テスト目的で、データセットはTIFFベースのファイルを使用し、 .dng 拡張機能

JP2（JPEG 2000）

JPEG 2000はウェーブレットベースの画像圧縮規格であり、従来のJPEGよりも優れた圧縮率と画質を提供する。医療画像（DICOM）、地理空間アプリケーション、デジタルシネマで広く利用されている。OpenCV Pillowの両方でネイティブサポートされている。

MPO（マルチピクチャーオブジェクト）

MPOファイルは立体視（3D）画像に使用されます。データセットは標準JPEGデータを保存し、 .mpo フォーマットテスト用拡張機能

HEIC（高効率画像符号化）

HEICには pillow-heif 適切なエンコーディングのためのパッケージ:

pip install pillow-heif

ユースケース

CI/CD テスト

from ultralytics import YOLO


def test_all_image_formats():
    """Test that all image formats load correctly."""
    model = YOLO("yolo26n.pt")
    results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=64)
    assert results is not None

フォーマット検証

from pathlib import Path

from ultralytics.data.utils import IMG_FORMATS

# Verify all formats are represented
dataset_dir = Path("datasets/coco12-formats/images")
found_formats = {f.suffix[1:].lower() for f in dataset_dir.rglob("*.*")}
assert found_formats == IMG_FORMATS, f"Missing formats: {IMG_FORMATS - found_formats}"

引用と謝辞

研究でCOCO を使用する場合は、以下の引用をお願いします：

BibTeX

@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 Doll{\'a}r},
      year={2015},
      eprint={1405.0312},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

よくある質問

COCO12-Formatsデータセットは何に使用されますか？

COCO12-Formatsデータセットは、YOLO における画像フォーマット互換性のテスト用に設計されています。サポートされる全12種の画像フォーマット（AVIF、BMP、DNG、HEIC、JP2、JPEG、JPG、MPO、PNG、TIF、TIFF、WebP）が正しく読み込まれ処理されることを保証します。

なぜ複数の画像フォーマットをテストするのか？

異なる画像フォーマットには固有の特性（圧縮、ビット深度、色空間）があります。すべてのフォーマットをテストすることで以下が保証されます：

堅牢な画像読み込みコード
多様なデータセット間の互換性
フォーマット固有のバグの早期検出

どの形式が特別な依存関係を必要としますか？

AVIF: 必要とする pillow-avif-plugin
HEIC: 必要とする pillow-heif

新しい形式のテストを追加できますか？

はい！変更してください generate_coco12_formats.py 追加フォーマットを含めるスクリプト。必ず更新も行ってください IMG_FORMATS で ultralytics/data/utils.py.

📅 0日前に作成✏️ 0日前に更新