COCO12-Formatsデータセットは何に使用しますか？

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。サポート対象の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。

複数の画像フォーマットをテストする理由

画像フォーマットごとに固有の特性（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、次の点を確認できます。; 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検出

特別な依存関係が必要なフォーマット

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

COCO12-Formats

ultralytics

publicDetect

COCO12-Formats is an Ultralytics loader-compatibility benchmark built from twelve labeled COCO images. It exercises AVIF, BMP, DNG, HEIC, JPEG/JPG, MPO, JP2, PNG, TIF/TIFF, and WebP decoding with real bounding boxes across COCO's 80-class taxonomy.

80 classes1.3 MBSep 2, 2026

personbicyclecarmotorcycle+76

object-detectioncocoimage-formats+2

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にわたる画像読み込みを検証するために設計された、専用のテストデータセットです。画像は12枚（トレーニング用6枚、検証用6枚）含まれており、画像読み込みパイプラインを包括的にテストできるよう、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、次の用途で非常に役立ちます。

画像フォーマットのサポートのテスト: 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: フォーマットの互換性を自動テストします
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切り分けます
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と、これらのフォーマットの画像は自動的に処理されるため、手動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#

データセットには、ultralytics/data/utils.pyで定義されている、サポート対象12種類のフォーマット拡張子ごとに1枚ずつ画像が含まれています。

形式	拡張子	説明	トレーニング/検証
AVIF	`.avif`	AV1 Image File Format（最新）	トレーニング
BMP	`.bmp`	ビットマップ - 非圧縮のラスター形式	トレーニング
DNG	`.dng`	デジタルネガ - AdobeのRAW形式	トレーニング
HEIC	`.heic`	高効率画像コーディング	トレーニング
JPEG	`.jpeg`	完全な拡張子を使用するJPEG	トレーニング
JPG	`.jpg`	短い拡張子を使用するJPEG	トレーニング
JP2	`.jp2`	JPEG 2000 - 医療/地理空間向け	検証
MPO	`.mpo`	マルチピクチャーオブジェクト（ステレオ画像）	検証
PNG	`.png`	Portable Network Graphics	検証
TIF	`.tif`	短い拡張子を使用するTIFF	検証
TIFF	`.tiff`	タグ付き画像ファイル形式	検証
WebP	`.webp`	最新のWeb画像フォーマット	検証

データセットの構成#

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でAVIFファイルを直接読み取るには、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

注記

pipでインストールしたopencv-pythonパッケージは、ビルド済みであるためAVIFサポートを含まない場合があります。OpenCVがサポートしていない場合、UltralyticsはAVIF画像のフォールバックとして、pillow-avif-pluginを使用するPillowを利用します。

使用方法#

COCO12-Formatsデータセット（1 MB）は、トレーニングを初めて開始したとき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、次の例を使用します。

トレーニング例

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事項#

AVIF（AV1 Image File Format）#

AVIFはAV1ビデオコーデックを基盤とする最新の画像フォーマットで、優れた圧縮性能を提供します。pillow-avif-pluginが必要です。

pip install pillow-avif-plugin

DNG（Digital Negative）#

DNGはTIFFを基盤とするAdobeのオープンRAW形式です。テスト目的で、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標準で、従来のJPEGより優れた圧縮率と品質を提供します。医用画像（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に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。データセットでは、フォーマットテスト用に.mpo拡張子を持つ標準JPEGデータを保存します。

HEIC / HEIF（High Efficiency Image File Format）#

.heicと.heifの両方の拡張子が、同じISO/IEC 23008-12コンテナを参照します。慣例上、.heicはHEVCでエンコードされたHEIFファイル（Appleデバイスで生成されるバリアント）を示し、.heifはより広範な包括的拡張子です。

Ultralyticsは、ultralytics/utils/patches.pyにおけるOpenCV → Pillowフォールバックを介して両方をデコードします。このフォールバックは初回使用時にpi-heif（軽量でデコード専用）を自動インストールするため、読み取りに手動セットアップは必要ありません。自分でHEIC/HEIFファイルを生成する場合（例: サンプル画像の再エンコード）は、エンコーダーを含む完全版の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

フォーマットの検証#

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、次の文献を引用してください。

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}
}

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。サポート対象の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、次の点を確認できます。
- 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検出
- AVIF: pillow-avif-pluginが必要です
- HEIC: pillow-heifが必要です

貢献者

GLglenn-jocher⁵ RAraimbekovm² PDpderrenger¹ ONonuralpszr¹

作成 2026年1月21日更新先週