COCO12-Formatsデータセットは何のために使用されますか？

COCO12-Formatsデータセットは、Ultralytics YOLOトレーニングパイプラインにおける画像フォーマットの互換性をテストするために設計されています。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）が正しく読み込まれ、処理されることを確認します。

なぜ複数の画像フォーマットをテストするのですか？

画像フォーマットごとに特性（圧縮率、ビット深度、色空間）が異なります。すべてのフォーマットをテストすることで、以下を確実にします。; 堅牢な画像読み込みコード; 多様なデータセット間での互換性; フォーマット固有のバグの早期発見

特別な依存関係が必要なフォーマットはどれですか？

AVIF: pillow-avif-plugin が必要です; HEIC: pillow-heif が必要です

CC BY 4.0

COCO12-Formatsデータセット#

Name: COCO12-Formats 検出データセット
Creator: Ultralytics
License: https://cocodataset.org/#termsofuse
Keywords: COCO12-Formats, Ultralytics, データセット, 画像フォーマット, 物体検出, YOLO, AVIF, BMP, DNG, HEIC, JP2, JPEG, PNG, TIFF, WebP, MPO

はじめに#

Ultralytics の COCO12-Formats データセットは、サポートされている12種類の画像フォーマット拡張子全体の画像読み込みを検証するために設計された、特殊なテスト用データセットです。画像読み込みパイプラインの包括的なテストを確実にするため、12枚の画像（トレーニング用6枚、検証用6枚）が含まれており、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の用途に最適です。

画像フォーマットのサポートテスト: 一般的な画像フォーマットが正しく読み込まれることを検証します。
CI/CDパイプライン: フォーマット互換性の自動テストを実行します。
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します。
開発: 新しいフォーマットの追加や変更を検証します。

Ultralytics Platform でデータセットを管理する場合、これらのいずれかのフォーマットの画像は自動的に処理されるため、手動による変換は必要ありません。

サポートされているフォーマット#

このデータセットには、ultralytics/data/utils.py で定義されているサポートされている12種類のフォーマット拡張子のそれぞれにつき1枚の画像が含まれています:

形式	拡張子	説明	Train/Val
AVIF	`.avif`	AV1 Image File Format（モダン）	トレーニング
BMP	`.bmp`	Bitmap - 非圧縮ラスタフォーマット	トレーニング
DNG	`.dng`	Digital Negative - Adobe RAWフォーマット	トレーニング
HEIC	`.heic`	High Efficiency Image Coding	トレーニング
JPEG	`.jpeg`	JPEG（フル拡張子）	トレーニング
JPG	`.jpg`	JPEG（短縮拡張子）	トレーニング
JP2	`.jp2`	JPEG 2000 - 医療/地理空間用	検証
MPO	`.mpo`	Multi-Picture Object（ステレオ画像）	検証
PNG	`.png`	Portable Network Graphics	検証
TIF	`.tif`	TIFF（短縮拡張子）	検証
TIFF	`.tiff`	Tagged Image File Format	検証
WebP	`.webp`	モダンなWeb用画像フォーマット	検証

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設定されます。Ultralytics GitHub リポジトリで公式の coco12-formats.yaml ファイルを確認できます。

ultralytics/cfg/datasets/coco12-formats.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

要件#

一部のフォーマットに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 が AVIF ファイルを直接読み込めるようにするには、OpenCV をビルドする前に libavif をインストールする必要があります:

brew install libavif

注意

pip でインストールされた opencv-python パッケージには、事前ビルドされているため AVIF のサポートが含まれていない場合があります。Ultralytics は、OpenCV がサポートを欠いている場合の AVIF 画像のフォールバックとして pillow-avif-plugin を使用した Pillow を使用します。

使用方法#

COCO12-Formats データセット（1 MB）は、トレーニングの開始時に自動的にダウンロードされます。COCO12-Formats データセットで YOLO モデルをトレーニングするには、以下の例を使用してください。

学習例

from ultralytics import YOLO

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

# Train on COCO12-Formats to test 12 supported image formats
results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=640)

フォーマット固有の注意点#

AVIF (AV1 Image File Format)#

AVIF は AV1 ビデオコーデックに基づいた最新の画像フォーマットであり、優れた圧縮率を提供します。pillow-avif-plugin が必要です:

pip install pillow-avif-plugin

DNG (Digital Negative)#

DNG は TIFF に基づく Adobe のオープンな RAW フォーマットです。テスト目的のため、データセットでは .dng 拡張子を持つ TIFF ベースのファイルを使用します。

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します。医療用画像（DICOM）、地理空間アプリケーション、デジタルシネマで一般的に使用されます。OpenCVとPillowの両方でネイティブサポートされています。

MPO (Multi-Picture Object)#

MPO ファイルは立体視（3D）画像に使用されます。フォーマットテストのため、データセットには .mpo 拡張子を持つ標準の JPEG データが格納されます。

HEIC / HEIF (高効率画像ファイルフォーマット)#

.heic と .heif の両方の拡張子は、同じ ISO/IEC 23008-12 コンテナを参照します。慣例として、.heic は HEVC エンコードされた HEIF ファイル（Apple デバイスによって生成されるバリアント）を示し、.heif はより広い包括的な拡張子です。

Ultralytics は、初回使用時に pi-heif（軽量、デコード専用）を自動インストールする ultralytics/utils/patches.py 内の OpenCV → Pillow フォールバックを介して両方をデコードします。読み込みのための手動設定は必要ありません。HEIC/HEIF ファイルを自分で生成するには（例：サンプル画像の再エンコード）、エンコーダーを含む完全な pillow-heif パッケージをインストールしてください:

pip install pillow-heif

ユースケース#

CI/CDテスト#

from ultralytics import YOLO

def test_image_formats():
    """Test that 12 supported 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 dataset formats are supported
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"Unsupported formats: {found_formats - IMG_FORMATS}"

引用と謝辞#

研究でCOCOデータセットを使用する場合は、次のように引用してください。

引用

@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 (FAQ)#

COCO12-Formatsデータセットは、Ultralytics YOLOトレーニングパイプラインにおける画像フォーマットの互換性をテストするために設計されています。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）が正しく読み込まれ、処理されることを確認します。
画像フォーマットごとに特性（圧縮率、ビット深度、色空間）が異なります。すべてのフォーマットをテストすることで、以下を確実にします。
- 堅牢な画像読み込みコード
- 多様なデータセット間での互換性
- フォーマット固有のバグの早期発見
- AVIF: pillow-avif-plugin が必要です
- HEIC: pillow-heif が必要です

コントリビューター

GLglenn-jocher⁴ RAraimbekovm² ONonuralpszr¹

作成日時 2026年1月21日更新日時 3 週間前