コンテンツにスキップ

COCO8-Segデータセット

はじめに

Ultralytics COCO8-Segは、COCO train 2017セットの最初の8枚の画像（トレーニング用に4枚、検証用に4枚）で構成される、小型ながら汎用性の高いインスタンスセグメンテーションデータセットです。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、または新しい検出アプローチの実験に最適です。8枚の画像で、管理が容易なほど小さく、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。

このデータセットは、Ultralytics HUBおよびYOLO11での使用を目的としています。

データセット YAML

データセットの構成を定義するために、YAML（Yet Another Markup Language）ファイルが使用されます。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。COCO8-Segデータセットの場合、 coco8-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/coco8-seg.yaml.

ultralytics/cfg/datasets/coco8-seg.yaml

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

# COCO8-seg dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/coco8-seg/
# Example usage: yolo train data=coco8-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8-seg ← 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: coco8-seg # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 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/coco8-seg.zip

使用法

画像サイズ640でCOCO8-Segデータセット上でYOLO11n-segモデルを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。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco8-seg.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=coco8-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

サンプル画像とアノテーション

COCO8-Segデータセットからの画像の例と、それに対応するアノテーションを以下に示します。

データセットのサンプル画像

  • 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、COCO8-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利点を示しています。

引用と謝辞

COCO データセットを研究または開発で使用する場合は、次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}
}

コンピュータビジョンコミュニティにとって貴重なリソースを作成および管理しているCOCOコンソーシアムに感謝いたします。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Webサイトをご覧ください。

よくある質問

COCO8-Segデータセットとは何ですか？また、Ultralytics YOLO11でどのように使用されますか？

COCO8-Segデータセットは、Ultralyticsによ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8枚の画像（トレーニング用に4枚、検証用に4枚）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、または新しい検出方法の実験に合わせて調整されています。Ultralytics YOLO11およびHUBと組み合わせて、より大きなデータセットにスケールする前に、迅速な反復とパイプラインのエラーチェックを行う場合に特に役立ちます。詳細な使用法については、モデルのトレーニングページを参照してください。

COCO8-Segデータセットを使用してYOLO11n-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？

画像サイズ640でCOCO8-SegデータセットでYOLO11n-segモデルを100エポック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。簡単な例を次に示します。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # Load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco8-seg.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=coco8-seg.yaml model=yolo11n-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。

COCO8-Segデータセットが、モデルの開発とデバッグにとって重要なのはなぜですか？

COCO8-Seg データセットは、コンパクトながら多様な 8 つの画像のセットを提供し、セグメンテーションモデルの迅速なテストとデバッグ、または新しい検出技術の実験に最適です。サイズが小さいため、迅速な健全性チェックと早期のパイプライン検証が可能になり、より大規模なデータセットにスケールする前に問題を特定できます。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。

COCO8-SegデータセットのYAML構成ファイルはどこにありますか？

COCO8-Seg データセットの YAML 構成ファイルは、Ultralytics リポジトリで入手できます。https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-seg.yamlでファイルを直接確認できます。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、構成設定に関する重要な情報が含まれています。

COCO8-Segデータセットで学習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内のオブジェクトとシーンの多様性とバリエーションを増やすのに役立ちます。この手法は、複数の画像を1つの合成画像に結合し、シーン内の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一般化するモデルの能力を高めます。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役立ちます。特にCOCO8-Segのような小さなデータセットを扱う場合に有効です。モザイク画像の例については、サンプル画像とアノテーションのセクションを参照してください。



📅 1年前に作成 ✏️ 5ヶ月前に更新
glenn-jocher UltralyticsAssistant jk4e MatthewNoyce RizwanMunawar hnliu_2@stu.xidian.edu.cn Laughing-q

コメント