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4枚、検証用4枚）で構成された、小規模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やデバッグ、新しい検出アプローチの実験に適しています。8枚の画像で構成されているため簡単に管理できるほど小規模でありながら、トレーニングパイプラインのエラーをテストし、大規模なデータセットでトレーニングを開始する前のサニティチェックとして機能する十分な多様性を備えています。
データセットの構成#
- 画像: 合計8枚（トレーニング4枚 / 検証4枚）。
- クラス: COCOの80カテゴリ。
- ラベル: 各画像ファイルに対応するYOLO形式のポリゴンが
labels/{train,val}の下に保存されています。 - ダウンロードサイズ: ~1 MB。
Ultralytics Platform上のCOCO8-Segで、ポリゴンマスク付きの全画像を参照したり、Chartsタブでクラス分布やアノテーションヒートマップを確認したり、クローンしてクラウド上で独自のモデルをトレーニングしたりできます。
データセット YAML#
データセットの設定はYAMLファイルで定義します。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ます。COCO8-Segデータセットの場合、coco8-seg.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-seg.yamlで管理されています。
# 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使用方法#
COCO8-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、次のコードスニペットを使用できます。利用可能な引数の包括的な一覧については、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="coco8-seg.yaml", epochs=100, imgsz=640)サンプル画像とアノテーション#
以下に、COCO8-Segデータセットの画像例と、それぞれに対応するアノテーションを示します。
- モザイク化画像: 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たトレーニングバッチを示しています。モザイク化は、トレーニング中に複数の画像を1枚の画像に組み合わせ、各トレーニングバッチ内の物体やシーンの多様性を高める技法です。これにより、さまざまな物体サイズ、アスペクト比、コンテキストに対するモデルの汎化性能を向上させます。
引用と謝辞#
研究または開発でCOCOデータセットを使用する場合は、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}
}コンピュータービジョンコミュニティにとって価値のあるこのリソースを作成・維持しているCOCO Consortiumに謝意を表します。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。
FAQ#
COCO8-SegデータセットでYOLO26n-segモデルを100エポック、画像サイズ640で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。
トレーニング例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="coco8-seg.yaml", epochs=100, imgsz=640)利用可能な引数と設定オプションについて詳しくは、トレーニングドキュメントを確認してください。
完全なCOCOよりもダウンロードとトレーニング／検証ループが大幅に小さいため、COCO8-Segでは、大規模なデータセットに移行する前にトレーニングと検証を一通り実行し、パイプラインのエラー（データローダーの破損、損失設定の誤り、拙劣なオーグメンテーションなど）を検出できます。サポートされているデータセット形式については、Ultralyticsセグメンテーションデータセットガイドをご覧ください。
COCO8-SegデータセットのYAML設定ファイルは、Ultralyticsリポジトリで利用できます。ファイルには https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-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のパス、クラス、設定などの重要な情報が含まれています。
COCO8-Seg（8枚の画像）は、サイズの点でCOCO128-Seg（128枚の画像）および完全なCOCO-Segデータセット（トレーニング画像118,287枚）より小規模です。
- COCO8-Seg: 画像8枚（トレーニング4枚、検証4枚）— 最も高速なサニティチェックであり、CIと迅速なデバッグに最適です。
- COCO128-Seg: 画像128枚 — サイズと多様性のバランスが取れており、トレーニングと検証で同じディレクトリを共有します。
- COCO-Seg全体: 118,287枚のトレーニング画像が含まれており、包括的ですがリソースを大量に消費し、初回ダウンロード時に約20 GBが必要です。
可能な限り高速なパイプラインチェックにはCOCO8-Segを使用し、確信が得られたらCOCO128-Segまたは完全なCOCO-Segデータセットに拡張してください。