変換なしでCOCO JSONを使用してYOLOをトレーニングする方法
COCO JSONで直接トレーニングする理由
アノテーション内のCOCO JSON形式は、事前に Ultralytics YOLOファイルに変換することなく、直接 .txtのトレーニングに使用できます。これは YOLODatasetをサブクラス化してCOCO JSONをオンザフライで解析し、カスタムトレーナーを介してトレーニングパイプラインに組み込むことで実現します。
このアプローチにより、COCO JSONが唯一の信頼できる情報源として維持されます。つまり convert_coco()の呼び出しやディレクトリの再編成、中間ラベルファイルは不要です。YOLO26およびその他のすべてのUltralytics YOLO検出モデルがサポートされています。セグメンテーションモデルとポーズ推定モデルには追加のラベルフィールドが必要です（FAQ).
トレーニング、検証、エクスポートの手順については、COCOからYOLOへの変換ガイド標準の convert_coco()ワークフローについては、こちらを参照してください。
アーキテクチャの概要
2つのクラスが必要です：
COCODataset— COCO JSONを読み取り、トレーニング中に バウンディングボックスをYOLO形式にメモリ上で変換しますCOCOTrainer—build_dataset()をオーバーライドして、デフォルトのCOCODatasetの代わりにYOLODataset
を使用します。実装は、同様にJSONアノテーションを直接読み取る組み込みの GroundingDatasetと同じパターンに従います。3つのメソッドがオーバーライドされます：get_img_files(), cache_labels()、およびget_labels().
COCO JSONデータセットクラスの構築
このCOCODatasetクラスは YOLODatasetから継承し、ラベル読み込みロジックをオーバーライドします。ラベルディレクトリから .txtファイルを読み取る代わりに、COCO JSONファイルを開き、画像ごとにグループ化されたアノテーションを反復処理し、各バウンディングボックスをCOCOピクセル形式 [x_min, y_min, width, height]からYOLO正規化中心座標形式 [x_center, y_center, width, height]に変換します。群衆（Crowd）アノテーション（iscrowd: 1）および面積がゼロのボックスは自動的にスキップされます。
このget_img_files()メソッドは、画像のパスが file_name内の cache_labels()フィールドから解決されるため、空のリストを返します。カテゴリIDはソートされて0から始まるクラスインデックスに再マッピングされるため、1ベース（標準COCO）と非連続IDスキームの両方が正しく機能します。
import json
from collections import defaultdict
from pathlib import Path
import numpy as np
from ultralytics.data.dataset import DATASET_CACHE_VERSION, YOLODataset
from ultralytics.data.utils import get_hash, load_dataset_cache_file, save_dataset_cache_file
from ultralytics.utils import TQDM
class COCODataset(YOLODataset):
"""Dataset that reads COCO JSON annotations directly without conversion to .txt files."""
def __init__(self, *args, json_file="", **kwargs):
self.json_file = json_file
super().__init__(*args, data={"channels": 3}, **kwargs)
def get_img_files(self, img_path):
"""Image paths are resolved from the JSON file, not from scanning a directory."""
return []
def cache_labels(self, path=Path("./labels.cache")):
"""Parse COCO JSON and convert annotations to YOLO format. Results are saved to a .cache file."""
x = {"labels": []}
with open(self.json_file) as f:
coco = json.load(f)
images = {img["id"]: img for img in coco["images"]}
# Sort categories by ID and map to 0-indexed classes
categories = {cat["id"]: i for i, cat in enumerate(sorted(coco["categories"], key=lambda c: c["id"]))}
img_to_anns = defaultdict(list)
for ann in coco["annotations"]:
img_to_anns[ann["image_id"]].append(ann)
for img_info in TQDM(coco["images"], desc="reading annotations"):
h, w = img_info["height"], img_info["width"]
im_file = Path(self.img_path) / img_info["file_name"]
if not im_file.exists():
continue
self.im_files.append(str(im_file))
bboxes = []
for ann in img_to_anns.get(img_info["id"], []):
if ann.get("iscrowd", False):
continue
# COCO: [x, y, w, h] top-left in pixels -> YOLO: [cx, cy, w, h] center normalized
box = np.array(ann["bbox"], dtype=np.float32)
box[:2] += box[2:] / 2 # top-left to center
box[[0, 2]] /= w # normalize x
box[[1, 3]] /= h # normalize y
if box[2] <= 0 or box[3] <= 0:
continue
cls = categories[ann["category_id"]]
bboxes.append([cls, *box.tolist()])
lb = np.array(bboxes, dtype=np.float32) if bboxes else np.zeros((0, 5), dtype=np.float32)
x["labels"].append(
{
"im_file": str(im_file),
"shape": (h, w),
"cls": lb[:, 0:1],
"bboxes": lb[:, 1:],
"segments": [],
"normalized": True,
"bbox_format": "xywh",
}
)
x["hash"] = get_hash([self.json_file, str(self.img_path)])
save_dataset_cache_file(self.prefix, path, x, DATASET_CACHE_VERSION)
return x
def get_labels(self):
"""Load labels from .cache file if available, otherwise parse JSON and create the cache."""
cache_path = Path(self.json_file).with_suffix(".cache")
try:
cache = load_dataset_cache_file(cache_path)
assert cache["version"] == DATASET_CACHE_VERSION
assert cache["hash"] == get_hash([self.json_file, str(self.img_path)])
self.im_files = [lb["im_file"] for lb in cache["labels"]]
except (FileNotFoundError, AssertionError, AttributeError, KeyError, ModuleNotFoundError):
cache = self.cache_labels(cache_path)
cache.pop("hash", None)
cache.pop("version", None)
return cache["labels"]解析されたラベルは、JSONの隣にある .cacheファイル（例：instances_train.cache）に保存されます。次回のトレーニング実行時にはキャッシュが直接読み込まれるため、JSONの解析はスキップされます。JSONファイルが変更された場合はハッシュチェックが失敗し、キャッシュが自動的に再構築されます。
データセットをトレーニングパイプラインに接続する
トレーナーに必要な唯一の変更は build_dataset()のオーバーライドです。デフォルトの DetectionTrainerは YOLODatasetラベルファイルを探す .txtを構築します。これを COCODatasetに置き換えることで、トレーナーは代わりにCOCO JSONから読み取るようになります。
JSONファイルのパスは、データ構成内のカスタム train_json / val_jsonフィールドから取得されます（ステップ3を参照）。トレーニング中は mode="train"が train_jsonに解決され、検証中は mode="val"が val_jsonになります。val_jsonが設定されていない場合は、デフォルトの train_json.
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import colorstr
class COCOTrainer(DetectionTrainer):
"""Trainer that uses COCODataset for direct COCO JSON training."""
def build_dataset(self, img_path, mode="train", batch=None):
json_file = self.data["train_json"] if mode == "train" else self.data.get("val_json", self.data["train_json"])
return COCODataset(
img_path=img_path,
json_file=json_file,
imgsz=self.args.imgsz,
batch_size=batch,
augment=mode == "train",
hyp=self.args,
rect=self.args.rect or mode == "val",
cache=self.args.cache or None,
single_cls=self.args.single_cls or False,
stride=int(self.model.stride.max()) if hasattr(self, "model") and self.model else 32,
pad=0.0 if mode == "train" else 0.5,
prefix=colorstr(f"{mode}: "),
task=self.args.task,
classes=self.args.classes,
fraction=self.args.fraction if mode == "train" else 1.0,
)COCO JSON用にdataset.yamlを設定する
このdataset.yamlは、標準の path, train、およびvalフィールドを使用して画像ディレクトリを特定します。2つの追加フィールド train_jsonとval_jsonは、COCOTrainerが読み取るCOCOアノテーションファイルを指定します。ncとnamesフィールドは、JSON内の categoriesのソート順に合わせて、クラス数とその名前を定義します。
path: /path/to/images # root directory with train/ and val/ subfolders
train: train
val: val
# COCO JSON annotation files
train_json: /path/to/annotations/instances_train.json
val_json: /path/to/annotations/instances_val.json
nc: 80
names:
0: person
1: bicycle
# ... remaining class names想定されるディレクトリ構造：
my_dataset/
images/
train/
img_001.jpg
...
val/
img_100.jpg
...
annotations/
instances_train.json
instances_val.json
dataset.yamlCOCO JSONでのトレーニングの実行
データセットクラス、トレーナークラス、およびYAML設定が準備できれば、トレーニングは標準の model.train()呼び出しを通じて機能します。通常のトレーニング実行との唯一の違いは trainer=COCOTrainer引数であり、これによりUltralyticsはデフォルトのデータセットローダーの代わりにカスタムのデータセットローダーを使用するようになります。
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="dataset.yaml", epochs=100, imgsz=640, trainer=COCOTrainer)完全な トレーニングパイプラインが期待通りに実行され、これには 検証、チェックポイントの保存、メトリックのログ記録が含まれます。
完全な実装
利便性のために、完全な実装をコピー＆ペースト可能な単一のスクリプトとして以下に提供します。これにはカスタムデータセット、カスタムトレーナー、およびトレーニング呼び出しが含まれています。これを dataset.yamlと並べて保存し、直接実行してください。
import json
from collections import defaultdict
from pathlib import Path
import numpy as np
from ultralytics import YOLO
from ultralytics.data.dataset import DATASET_CACHE_VERSION, YOLODataset
from ultralytics.data.utils import get_hash, load_dataset_cache_file, save_dataset_cache_file
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import TQDM, colorstr
class COCODataset(YOLODataset):
"""Dataset that reads COCO JSON annotations directly without conversion to .txt files."""
def __init__(self, *args, json_file="", **kwargs):
self.json_file = json_file
super().__init__(*args, data={"channels": 3}, **kwargs)
def get_img_files(self, img_path):
return []
def cache_labels(self, path=Path("./labels.cache")):
x = {"labels": []}
with open(self.json_file) as f:
coco = json.load(f)
images = {img["id"]: img for img in coco["images"]}
categories = {cat["id"]: i for i, cat in enumerate(sorted(coco["categories"], key=lambda c: c["id"]))}
img_to_anns = defaultdict(list)
for ann in coco["annotations"]:
img_to_anns[ann["image_id"]].append(ann)
for img_info in TQDM(coco["images"], desc="reading annotations"):
h, w = img_info["height"], img_info["width"]
im_file = Path(self.img_path) / img_info["file_name"]
if not im_file.exists():
continue
self.im_files.append(str(im_file))
bboxes = []
for ann in img_to_anns.get(img_info["id"], []):
if ann.get("iscrowd", False):
continue
box = np.array(ann["bbox"], dtype=np.float32)
box[:2] += box[2:] / 2
box[[0, 2]] /= w
box[[1, 3]] /= h
if box[2] <= 0 or box[3] <= 0:
continue
cls = categories[ann["category_id"]]
bboxes.append([cls, *box.tolist()])
lb = np.array(bboxes, dtype=np.float32) if bboxes else np.zeros((0, 5), dtype=np.float32)
x["labels"].append(
{
"im_file": str(im_file),
"shape": (h, w),
"cls": lb[:, 0:1],
"bboxes": lb[:, 1:],
"segments": [],
"normalized": True,
"bbox_format": "xywh",
}
)
x["hash"] = get_hash([self.json_file, str(self.img_path)])
save_dataset_cache_file(self.prefix, path, x, DATASET_CACHE_VERSION)
return x
def get_labels(self):
cache_path = Path(self.json_file).with_suffix(".cache")
try:
cache = load_dataset_cache_file(cache_path)
assert cache["version"] == DATASET_CACHE_VERSION
assert cache["hash"] == get_hash([self.json_file, str(self.img_path)])
self.im_files = [lb["im_file"] for lb in cache["labels"]]
except (FileNotFoundError, AssertionError, AttributeError, KeyError, ModuleNotFoundError):
cache = self.cache_labels(cache_path)
cache.pop("hash", None)
cache.pop("version", None)
return cache["labels"]
class COCOTrainer(DetectionTrainer):
"""Trainer that uses COCODataset for direct COCO JSON training."""
def build_dataset(self, img_path, mode="train", batch=None):
json_file = self.data["train_json"] if mode == "train" else self.data.get("val_json", self.data["train_json"])
return COCODataset(
img_path=img_path,
json_file=json_file,
imgsz=self.args.imgsz,
batch_size=batch,
augment=mode == "train",
hyp=self.args,
rect=self.args.rect or mode == "val",
cache=self.args.cache or None,
single_cls=self.args.single_cls or False,
stride=int(self.model.stride.max()) if hasattr(self, "model") and self.model else 32,
pad=0.0 if mode == "train" else 0.5,
prefix=colorstr(f"{mode}: "),
task=self.args.task,
classes=self.args.classes,
fraction=self.args.fraction if mode == "train" else 1.0,
)
model = YOLO("yolo26n.pt")
model.train(data="dataset.yaml", epochs=100, imgsz=640, trainer=COCOTrainer)以下の場合ハイパーパラメータに関する推奨事項については、モデルトレーニングのヒントガイドを参照してください。
FAQ
これとconvert_coco()の違いは何ですか？
convert_coco()は、1回限りの変換として .txtラベルファイルをディスクに書き込みます。このアプローチでは、各トレーニング実行の開始時にJSONを解析し、メモリ内でアノテーションを変換します。永続的なYOLO形式のラベルが望ましい場合は convert_coco()を使用し、追加ファイルを生成せずにCOCO JSONを唯一の信頼できる情報源として維持したい場合は、このアプローチを使用してください。
カスタムコードなしでYOLOをCOCO JSONでトレーニングできますか？
現在のUltralyticsパイプラインではできません。パイプラインはデフォルトでYOLO .txtラベルを期待しています。このガイドでは、必要な最小限のカスタムコード（データセットクラス1つとトレーナークラス1つ）を提供しています。定義が完了すれば、トレーニングに必要なのは標準の model.train()呼び出しのみです。
セグメンテーションとポーズ推定をサポートしていますか？
このガイドは 物体検出を対象としています。インスタンスセグメンテーションのサポートを追加するには、各ラベル辞書の segmentationフィールドにCOCOアノテーションからの segmentsポリゴンデータを含めてください。姿勢推定については、keypointsを提供します。GroundingDataset ソースコードがセグメントを処理するための参照実装を提供しています。
このカスタムデータセットでオーギュメンテーションは機能しますか？
はい。COCODatasetは YOLODatasetを拡張しているため、すべての組み込み データオーギュメンテーション — mosaic, mixup, copy-pasteなど、その他すべてが変更なしで実行されます。
カテゴリIDはどのようにクラスインデックスにマッピングされますか？
カテゴリは idでソートされ、0から始まる連続したインデックスにマッピングされます。これは1ベースID（標準COCO）、0ベースID、および非連続IDを処理します。names内の dataset.yaml辞書は、COCOの categories配列と同じソート順に従う必要があります。
事前に変換されたラベルと比較してパフォーマンスのオーバーヘッドはありますか？
COCO JSONは、初回トレーニング実行時に一度だけパースされます。パースされたラベルは.cacheファイルに保存されるため、以降の実行では再パースの必要がなく即座に読み込まれます。アノテーションはメモリ上に保持されるため、トレーニング速度は通常のYOLOトレーニングと変わりません。キャッシュは、JSONファイルが変更されると自動的に再構築されます。