COCO-Segデータセット#

COCO-Seg データセットは、COCO（Common Objects in Context）のインスタンスセグメンテーションマスク（80のオブジェクトカテゴリにわたるポリゴンマスク付きの118,287枚のトレーニング画像と5,000枚の検証画像）を Ultralytics YOLO のラベル形式で提供します。COCOのオリジナル画像とネイティブなセグメンテーションアノテーションを使用し、YOLOのトレーニング用に変換されているため、インスタンスセグメンテーションタスクに取り組む研究者や開発者にとって不可欠なリソースとなっています。

COCO-Seg事前学習済みモデル#

主な特徴#

• COCO-Segは、COCOのより広範な約33万枚の画像リリースから、アノテーション済みのCOCO train2017/val2017画像123,287枚（トレーニング用118,287枚 + 検証用5,000枚）に対するインスタンスセグメンテーションマスクを提供します。
• このデータセットは、オリジナルのCOCOデータセットに含まれる80種類のオブジェクトカテゴリで構成されています。
• アノテーションは、YOLOポリゴンラベル形式でインスタンスセグメンテーションマスクを提供します。
• COCO-Segは、インスタンスセグメンテーションの性能評価のための標準化されたmAPおよびmARメトリクスを提供し、モデル性能の効果的な比較を可能にします。
• ダウンロードサイズ: 初回使用時に約20.3 GB（train2017.zip + val2017.zip + ラベル）。7 GBの test2017.zip は自動的には取得されません。これらの画像には正解データが伏せられており、test-dev2017への提出にのみ必要となるためです。

データセットの構造#

COCO-Segデータセットは、3つのサブセットに分割されています。

1. Train2017: インスタンスセグメンテーションモデルをトレーニングするための118,287枚の画像。
2. Val2017: モデル開発中の検証に使用される5,000枚の画像。
3. Test-dev2017: ベンチマークに使用される、test2017画像40,670枚のうちの20,288枚です。このサブセットの正解アノテーションは公開されていないため、スコアを算出するには予測結果を COCO評価サーバーに提出する必要があります。

小規模な実験ニーズには、COCO128-Seg（128枚の画像）および COCO8-Seg（8枚の画像）のサブセットをご覧ください。

アプリケーション#

COCO-Segは、YOLOモデルなどのインスタンスセグメンテーションにおけるディープラーニングモデルのトレーニングと評価に広く使用されています。注釈付き画像の数が多く、オブジェクトカテゴリが多様であり、標準化された評価指標を備えているため、コンピュータビジョンの研究者や実務者にとって欠かせないリソースとなっています。完全なCOCO-Segの注釈は、Ultralytics Platformで閲覧および管理することもできます。

データセット YAML#

データセットの設定を定義するにはYAMLファイルを使用します。これには、データセットのパス、クラス、およびその他の関連情報が含まれています。COCO-Segデータセットの場合、coco.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml で管理されています。

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

# COCO 2017 dataset https://cocodataset.org by Microsoft
# Documentation: https://docs.ultralytics.com/datasets/detect/coco
# Example usage: yolo train data=coco.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco ← downloads here (20.3 GB)

# 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: coco # dataset root dir
train: train2017.txt # train images (relative to 'path') 118287 images
val: val2017.txt # val images (relative to 'path') 5000 images
test: test-dev2017.txt # 20288 of 40670 images, submit via https://cocodataset.org/#detection-eval

# 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: |
  from pathlib import Path

  from ultralytics.utils import ASSETS_URL
  from ultralytics.utils.downloads import download

  # Download labels
  segments = True  # segment or box labels
  dir = Path(yaml["path"])  # dataset root dir
  urls = [ASSETS_URL + ("/coco2017labels-segments.zip" if segments else "/coco2017labels.zip")]  # labels
  download(urls, dir=dir.parent)

  # Download data (test2017.zip excluded: ground truth is withheld, only used for the eval-server test-dev split)
  urls = [
      "http://images.cocodataset.org/zips/train2017.zip",  # 19G, 118k images
      "http://images.cocodataset.org/zips/val2017.zip",  # 1G, 5k images
  ]
  download(urls, dir=dir / "images", threads=3)

使用方法#

画像サイズ640でCOCO-Segデータセットを使用して100エポックでYOLO26n-segモデルをトレーニングするには、次のコードスニペットを使用できます。利用可能な引数の詳細なリストについては、モデルのトレーニングページを参照してください。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco.yaml", epochs=100, imgsz=640)

サンプル画像とアノテーション#

COCO-Segには、COCOと同じ多様な画像、オブジェクトカテゴリ、複雑なシーンが含まれており、インスタンスセグメンテーションマスクがYOLOラベル形式で提供されます。データセットの画像とそれに対応するインスタンスセグメンテーションマスクの例をいくつか示します。

• モザイク画像: この画像は、モザイク処理されたデータセット画像で構成されるトレーニングバッチを示しています。モザイク処理は、複数の画像を1つの画像に結合して各トレーニングバッチ内のオブジェクトとシーンの多様性を高める、トレーニング中に使用される手法です。これにより、さまざまなオブジェクトサイズ、アスペクト比、およびコンテキストに汎化するモデルの能力が向上します。

引用と謝辞#

研究や開発の仕事でCOCO-Segデータセットを使用する場合は、オリジナルのCOCO論文を引用し、COCO-Segへの拡張について言及してください。

@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 Dollár},
      year={2015},
      eprint={1405.0312},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

コンピュータビジョンコミュニティのためにこの貴重なリソースを作成および維持してくださっているCOCO Consortiumに感謝いたします。COCOデータセットとその作成者の詳細については、COCOデータセットのウェブサイトをご覧ください。

よくある質問 (FAQ)#

COCO-Segデータセットとは何ですか？また、オリジナルのCOCOデータセットとどう違いますか？#

COCO-Seg は、同じ118,287枚のtrain2017画像および5,000枚のval2017画像に対するCOCO（Common Objects in Context）のネイティブなインスタンスセグメンテーションマスクを Ultralytics YOLO 形式にパッケージ化したものです。元のCOCOアノテーションには、80すべてのオブジェクトカテゴリに対するこれらのポリゴンマスクがすでに含まれており、COCO-Segはそれらをオブジェクトインスタンスセグメンテーションのトレーニングに使用されるYOLOラベル形式に変換します。

COCO-Segデータセットを使用してYOLO26モデルをトレーニングするにはどうすればよいですか？#

画像サイズ640で100エポックにわたってCOCO-SegデータセットでYOLO26n-segモデルをトレーニングするには、以下のコードスニペットを使用できます。利用可能なトレーニング引数の詳細なリストについては、モデルのトレーニングページを参照してください。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco.yaml", epochs=100, imgsz=640)

COCO-Segデータセットの主な特徴は何ですか？#

COCO-Segデータセットには、いくつかの主要な特徴があります。

• 123,287枚のアノテーション済みCOCO train2017/val2017画像（トレーニング用118,287枚 + 検証用5,000枚）に対するインスタンスセグメンテーションマスクを提供します。
• オリジナルのCOCOにある80種類のオブジェクトカテゴリをアノテーション。
• YOLOポリゴンラベル形式でインスタンスセグメンテーションマスクを提供します。
• インスタンスセグメンテーションタスクにおいて、平均適合率 (mAP: mean Average Precision) や平均再現率 (mAR) などの標準化された評価指標を使用します。

COCO-Segで利用可能な事前学習済みモデルは何ですか？また、その性能指標はどうなっていますか？#

COCO-Segデータセットは、多様な性能指標を持つ複数の事前学習済みYOLO26セグメンテーションモデルをサポートしています。利用可能なモデルとその主要指標の概要は以下の通りです。

これらのモデルは、軽量なYOLO26n-segから、より強力なYOLO26x-segにまで及び、さまざまなアプリケーション要件に合わせて速度と精度の異なるトレードオフを提供します。モデル選択の詳細については、Ultralyticsモデルページをご覧ください。

COCO-Segデータセットはどのように構成されており、どのようなサブセットが含まれていますか？#

COCO-Segデータセットは、特定のトレーニングおよび評価のニーズに合わせて3つのサブセットに分割されています。

1. Train2017: インスタンスセグメンテーションモデルのトレーニングに主に使用される118,287枚の画像を含みます。
2. Val2017: トレーニングプロセス中の検証に使用される5,000枚の画像で構成されます。
3. Test-dev2017: トレーニング済みモデルのテストとベンチマークのために予約された、40,670枚のtest2017画像のうち20,288枚が含まれます。このサブセットの正解アノテーションは公開されておらず、評価のために COCO評価サーバーにパフォーマンス結果が提出されることに注意してください。

小規模な実験ニーズには、COCO128-Segデータセット（128枚の画像）、またはCOCO train 2017セットからのわずか8枚の画像を含むコンパクトなバージョンの COCO8-Segデータセットも検討できます。