COCO12-Formatsデータセット

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すべての読み込みを検証するために設計された専用のテスト用データセットです。合計12枚の画像（トレーニング用6枚、バリデーション用6枚）がそれぞれ異なるフォーマットで保存されており、画像読み込みパイプラインの包括的なテストが可能です。

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: サポートされているすべてのフォーマットが正しく読み込まれるかの確認
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の特定
開発: 新しいフォーマット追加や変更のバリデーション

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12種類のサポート対象フォーマット拡張子ごとに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)	Train
BMP	`.bmp`	Bitmap - 非圧縮ラスターフォーマット	Train
DNG	`.dng`	Digital Negative - Adobe RAWフォーマット	Train
HEIC	`.heic`	High Efficiency Image Coding	Train
JPEG	`.jpeg`	完全な拡張子を持つJPEG	Train
JPG	`.jpg`	短い拡張子を持つJPEG	Train
JP2	`.jp2`	JPEG 2000 - 医療/地理空間用途	Val
MPO	`.mpo`	Multi-Picture Object (ステレオ画像)	Val
PNG	`.png`	Portable Network Graphics	Val
TIF	`.tif`	短い拡張子を持つTIFF	Val
TIFF	`.tiff`	Tagged Image File Format	Val
WebP	`.webp`	モダンなWeb用画像フォーマット	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。公式のcoco12-formats.yamlファイルは、Ultralytics GitHubリポジトリで確認できます。

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込むには、OpenCVのビルド前にlibavifがインストールされている必要があります：

brew install libavif

注意

pipでインストールされたopencv-pythonパッケージはプリビルドされているため、AVIFサポートが含まれていない場合があります。UltralyticsはOpenCVでサポートが不足している場合、フォールバックとしてpillow-avif-pluginを使用したPillowを利用します。

使用方法

COCO12-Formatsデータセットを使用して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。

トレーニングの例

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)

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モダンな画像フォーマットで、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ベースのAdobeのオープン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ています。

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品質を提供します。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ファイルはステレオスコピック（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拡張子を持つ標準的なJPEGデータを格納しています。

HEIC (High Efficiency Image Coding)

HEICを適切にエンコードするにはpillow-heifパッケージが必要です：

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

フォーマットのバリデーション

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データセットを使用する場合は、以下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