COCO128-Segデータセット
はじめに
Ultralytics COCO128-Segは、COCO train 2017セットの最初の128枚の画像で構成された、小規模ながら汎用性の高いインスタンスsegmentデータセットです。このデータセットは、segmentモデルのテストとデバッグ、または新しいdetectアプローチの実験に最適です。128枚の画像で構成されているため、管理が容易なほど十分に小さく、エラーのトレーニングパイプラインをテストし、より大きなデータセットをトレーニングする前に健全性チェックとして機能するのに十分な多様性があります。
データセットの構造
- 画像: 合計128枚。デフォルトの yaml は、学習用と検証用に同じディレクトリを再利用するため迅速に反復処理できますが、必要に応じて分割を複製またはカスタマイズできます。
- クラス: COCOと同じ80のオブジェクトカテゴリ。
- ラベル: YOLO形式のポリゴンが、各画像の横に保存されています
labels/{train,val}.
このデータセットは、Ultralytics PlatformおよびYOLO26での使用を目的としています。
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用されます。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。COCO128-Segデータセットの場合、 coco128-seg.yaml fileは以下で管理されています: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco128-seg.yaml.
ultralytics/cfg/datasets/COCO128-Seg.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# COCO128-seg dataset https://www.kaggle.com/datasets/ultralytics/coco128 (first 128 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/coco/
# Example usage: yolo train data=coco128-seg.yaml
# parent
# ├── ultralytics
# └── datasets
# └── coco128-seg ← downloads here (7 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: coco128-seg # dataset root dir
train: images/train2017 # train images (relative to 'path') 128 images
val: images/train2017 # val images (relative to 'path') 128 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/coco128-seg.zip
使用法
COCO128-SegデータセットでYOLO26n-segモデルを画像サイズ640、100 エポックで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。
学習の例
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="coco128-seg.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo segment train data=coco128-seg.yaml model=yolo26n-seg.pt epochs=100 imgsz=640
サンプル画像とアノテーション
COCO128-Segデータセットの画像例と、それに対応するアノテーションをいくつか示します。
- モザイク化された画像: この画像は、モザイク化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。モザイキングは、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ために、複数の画像を1つの画像に結合す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のサイズ、アスペクト比、およびコンテキストに対するモデルの汎化能力が向上します。
この例は、COCO128-Segデータセット内の画像の多様性と複雑さ、およびトレーニングプロセス中にモザイク処理を使用することの利点を示しています。
引用と謝辞
研究または開発作業でCOCOデータセットを使用する場合は、以下の論文を引用してください。
@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}
}
コンピューター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、維持しているCOCO Consortiumに感謝いたします。COCOデータセットとその作成者に関する詳細情報については、COCOデータセットウェブサイトをご覧ください。
よくある質問
COCO128-Segデータセットとは何ですか？また、Ultralytics YOLO26ではどのように使用されますか？
COCO128-Segデータセットは、Ultralyticsが提供するコンパクトなインスタンスセグメンテーションデータセットであり、COCO train 2017セットの最初の128枚の画像で構成されています。このデータセットは、セグメンテーションモデルのテストとデバッグ、または新しい検出手法の実験のために調整されています。大規模なデータセットにスケールする前に、迅速なイテレーションとパイプラインのエラーチェックのために、Ultralytics YOLO26およびPlatformと併用すると特に役立ちます。詳細な使用方法については、モデルのトレーニングページを参照してください。
COCO128-Segデータセットを使用してYOLO26n-segモデルをトレーニングするにはどうすればよいですか？
COCO128-Segデータセットで画像サイズ640、100エポックでYOLO26n-segモデルをトレーニングするには、pythonまたはCLIコマンドを使用できます。簡単な例を以下に示します。
学習の例
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="coco128-seg.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo segment train data=coco128-seg.yaml model=yolo26n-seg.pt epochs=100 imgsz=640
利用可能な引数と構成オプションの詳細な説明については、トレーニングのドキュメントを確認してください。
COCO128-Segデータセットは、モデル開発とデバッグにとってなぜ重要ですか？
The COCO128-Segデータセットは、128枚の画像で管理のしやすさと多様性のバランスの取れた組み合わせを提供し、セグメンテーションモデルの迅速なテストとデバッグ、または新しい検出手法の実験に最適です。その適度なサイズは、高速なトレーニングイテレーションを可能にしながら、より大規模なデータセットにスケールする前にトレーニングパイプラインを検証するのに十分な多様性を提供します。サポートされているデータセット形式の詳細については、Ultralyticsセグメンテーションデータセットガイドを参照してください。
COCO128-SegデータセットのYAML設定ファイルはどこで入手できますか？
COCO128-SegデータセットのYAML設定ファイルはUltralyticsリポジトリで入手できます。ファイルにはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco128-seg.yamlから直接アクセスできます。YAMLファイルには、モデルのトレーニングと検証に必要なデータセットパス、クラス、および設定に関する重要な情報が含まれています。
COCO128-Segデータセットでのトレーニング中にモザイク処理を使用する利点は何ですか？
トレーニング中にモザイク処理を使用すると、各トレーニングバッチにおけるオブジェクトとシーンの多様性を高めるのに役立ちます。この手法は、複数の画像を1つの合成画像に結合し、モデルが異なるオブジェクトサイズ、アスペクト比、およびシーン内のコンテキストに一般化する能力を高めます。モザイク処理は、モデルの堅牢性と精度を向上させるのに有益であり、特にCOCO128-Segのような中規模のデータセットを扱う場合に効果的です。モザイク処理された画像の例については、サンプル画像とアノテーションセクションを参照してください。
