COCO-Segデータセット

COCO-Segデータセットは、COCO (Common Objects in Context) データセットを拡張したもので、オブジェクトインスタンスのセグメンテーションの研究を支援するために特別に設計されている。COCOと同じ画像を使うが、より詳細なセグメンテーションの注釈を導入している。このデータセットは、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、特にYOLO モデルの学習に重要なリソースである。

COCO-Seg事前学習モデル

モデル	サイズ ^{(ピクセル})	mAPbox^50-95	mAPmask^50-95	速度 ^{CPUONNX (ms})	速度 A100^TensorRT (ms)	params ^(M)	FLOPs ^(B)
YOLOv8n-セグ	640	36.7	30.5	96.1	1.21	3.4	12.6
YOLOv8s-セグ	640	44.6	36.8	155.7	1.47	11.8	42.6
YOLOv8m-セグ	640	49.9	40.8	317.0	2.18	27.3	110.2
YOLOv8l-セグ	640	52.3	42.6	572.4	2.79	46.0	220.5
YOLOv8x-セグ	640	53.4	43.4	712.1	4.02	71.8	344.1

主な特徴

COCO-Segは、COCOのオリジナルの330K画像を保持しています。
このデータセットは、オリジナルのCOCOデータセットと同じ80のオブジェクト・カテゴリーで構成されている。
アノテーションには、画像内の各オブジェクトのより詳細なインスタンス・セグメンテーション・マスクが含まれるようになりました。
COCO-Segは、物体検出の平均平均精度（mAP）やインスタンスのセグメンテーションタスクの平均再現率（mAR）のような標準化された評価指標を提供し、モデルの性能を効果的に比較することができます。

データセット構造

COCO-Segデータセットは3つのサブセットに分割されている：

Train2017：このサブセットには、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用の 118K 画像が含まれる。
Val2017：このサブセットには、モデルのトレーニング中に検証目的で使用された5K画像が含まれる。
Test2017：このサブセットには、学習済みモデルのテストとベンチマークに使用される2万枚の画像が含まれる。このサブセットのグランドトゥルースアノテーションは公開されておらず、結果は性能評価のためにCOCO評価サーバに提出される。

アプリケーション

COCO-Segは、YOLO モデルのような、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学習と評価に広く使用されています。多数の注釈付き画像、オブジェクトカテゴリの多様性、標準化された評価指標により、コンピュータビジョンの研究者や実務家にとって不可欠なリソースとなっている。

データセット YAML

YAML (Yet Another Markup Language) ファイルはデータセットの設定を定義するために使われる。このファイルには、データセットのパス、クラス、その他の関連情報が含まれている。COCO-Segデータセットの場合は coco.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml.

ultralytics/cfg/datasets/coco.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 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 (20.1 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: ../datasets/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 to https://competitions.codalab.org/competitions/20794

# 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 ultralytics.utils.downloads import download
  from pathlib import Path

  # Download labels
  segments = True  # segment or box labels
  dir = Path(yaml['path'])  # dataset root dir
  url = 'https://github.com/ultralytics/yolov5/releases/download/v1.0/'
  urls = [url + ('coco2017labels-segments.zip' if segments else 'coco2017labels.zip')]  # labels
  download(urls, dir=dir.parent)
  # Download data
  urls = ['http://images.cocodataset.org/zips/train2017.zip',  # 19G, 118k images
          'http://images.cocodataset.org/zips/val2017.zip',  # 1G, 5k images
          'http://images.cocodataset.org/zips/test2017.zip']  # 7G, 41k images (optional)
  download(urls, dir=dir / 'images', threads=3)

使用方法

COCO-SegデータセットでYOLOv8n-segモデルを画像サイズ640で100エポック学習させるには、以下のコードスニペットを使用できます。利用可能な引数の包括的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。

列車の例

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-seg.pt')  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo detect train data=coco-seg.yaml model=yolov8n.pt epochs=100 imgsz=640

サンプル画像と注釈

COCO-Segは、その前身であるCOCOと同様に、様々なオブジェクトカテゴリと複雑なシーンを持つ多様な画像セットを含む。しかし、COCO-Segでは、画像内の各オブジェクトに対して、より詳細なインスタンス分割マスクが導入されている。以下は、このデータセットに含まれる画像と、それに対応するインスタンス分割マスクの例である：

データセットサンプル画像

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たトレーニングバッチを示す。モザイク処理とは、複数の画像を1つの画像に合成し、各トレーニングバッチ内のオブジェクトやシーンの種類を増やすトレーニング時に使用される手法です。これにより、異なるオブジェクトのサイズ、アスペクト比、コンテクストに対するモデルの汎化能力が向上します。

この例では、COCO-Segデータセットの画像の多様性と複雑さ、および学習プロセスでモザイク処理を使用する利点を示しています。

引用と謝辞

COCO-Segデータセットを研究または開発で使用する場合は、元のCOCO論文を引用し、COCO-Segへの拡張を認めてください：

ビブテックス

@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}
}

COCOコンソーシアムには、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し、維持していただいていることに感謝いたします。COCOデータセットとその作成者についての詳細は、COCOデータセットのウェブサイトをご覧ください。

作成日：2023-11-12 更新日：2024-04-17
作成者：glenn-jocher(4),RizwanMunawar(1),Laughing-q(1)