Conjunto de dados COCO

O conjunto de dados COCO (Common Objects in Context) é um conjunto de dados em grande escala para deteção de objetos, segmentação e legendagem. Foi concebido para incentivar a investigação numa vasta gama de categorias de objetos e é habitualmente utilizado para avaliar modelos de visão computacional. É um conjunto de dados essencial para investigadores e programadores que trabalham em tarefas de deteção de objetos, segmentação e estimativa de pose.

Watch: Ultralytics COCO Dataset Overview

Modelos pré-treinados COCO

Modelo	tamanho ^(pixels)	mAP^val 50-95	mAP^{val 50-95(e2e)}	Velocidade ^{CPU ONNX (ms)}	Velocidade ^{T4 TensorRT10 (ms)}	params ^(M)	FLOPs ^(B)
YOLO26n	640	40.9	40.1	38.9 ± 0.7	1.7 ± 0.0	2.4	5.4
YOLO26s	640	48.6	47.8	87.2 ± 0.9	2.5 ± 0.0	9.5	20.7
YOLO26m	640	53.1	52.5	220.0 ± 1.4	4.7 ± 0.1	20.4	68.2
YOLO26l	640	55.0	54.4	286.2 ± 2.0	6.2 ± 0.2	24.8	86.4
YOLO26x	640	57.5	56.9	525.8 ± 4.0	11.8 ± 0.2	55.7	193.9

Principais recursos

O COCO contém 330 mil imagens, das quais 200 mil possuem anotações para tarefas de deteção de objetos, segmentação e legendagem.
O conjunto de dados compreende 80 categorias de objetos, incluindo objetos comuns como carros, bicicletas e animais, bem como categorias mais específicas como guarda-chuvas, malas e equipamento desportivo.
As anotações incluem caixas delimitadoras de objetos, máscaras de segmentação e legendas para cada imagem.
O COCO fornece métricas de avaliação padronizadas, como a mean Average Precision (mAP) para deteção de objetos e a média de Recall (mAR) para tarefas de segmentação, tornando-o adequado para comparar o desempenho dos modelos.

Estrutura do Dataset

O conjunto de dados COCO está dividido em três subconjuntos:

Train2017: Este subconjunto contém 118 mil imagens para treinar modelos de deteção de objetos, segmentação e legendagem.
Val2017: Este subconjunto tem 5 mil imagens utilizadas para fins de validação durante o treino do modelo.
Test2017: Este subconjunto consiste em 20 mil imagens utilizadas para testar e avaliar os modelos treinados. As anotações de verdade fundamental para este subconjunto não estão publicamente disponíveis e os resultados são submetidos ao servidor de avaliação COCO para avaliação do desempenho.

Aplicações

O conjunto de dados COCO é amplamente utilizado para treinar e avaliar modelos de deep learning em deteção de objetos (como o Ultralytics YOLO, Faster R-CNN e SSD), segmentação de instâncias (como o Mask R-CNN) e deteção de pontos-chave (como o OpenPose). O conjunto diversificado de categorias de objetos, o grande número de imagens anotadas e as métricas de avaliação padronizadas tornam-no um recurso essencial para investigadores e profissionais de visão computacional.

YAML do Dataset

Um ficheiro YAML (Yet Another Markup Language) é utilizado para definir a configuração do conjunto de dados. Contém informações sobre os caminhos, classes e outras informações relevantes do conjunto de dados. No caso do conjunto de dados COCO, o ficheiro coco.yaml é mantido em https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml.

ultralytics/cfg/datasets/coco.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/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: 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 pathlib import Path

  from ultralytics.utils import ASSETS_URL
  from ultralytics.utils.downloads import download

  # Download labels
  segments = True  # segment or box labels
  dir = Path(yaml["path"])  # dataset root dir
  urls = [ASSETS_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)

Utilização

Para treinar um modelo YOLO26n no conjunto de dados COCO durante 100 épocas com um tamanho de imagem de 640, podes utilizar os seguintes fragmentos de código. Para uma lista completa dos argumentos disponíveis, consulta a página de Treino do modelo.

Exemplo de Treino

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

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

Amostra de Imagens e Anotações

O conjunto de dados COCO contém um conjunto diversificado de imagens com várias categorias de objetos e cenas complexas. Aqui tens alguns exemplos de imagens do conjunto de dados, juntamente com as suas anotações correspondentes:

Lote de treino em mosaico do conjunto de dados COCO com deteção de objetos

Imagem em mosaico: Esta imagem demonstra um lote de treino composto por imagens do conjunto de dados em mosaico. A técnica de mosaico é um método utilizado durante o treino que combina várias imagens numa única para aumentar a variedade de objetos e cenas dentro de cada lote de treino. Isto ajuda a melhorar a capacidade do modelo de generalizar para diferentes tamanhos de objetos, proporções e contextos.

O exemplo mostra a variedade e complexidade das imagens no conjunto de dados COCO e os benefícios da utilização de mosaicos durante o processo de treino.

Citações e Agradecimentos

Se utilizares o conjunto de dados COCO no teu trabalho de investigação ou desenvolvimento, por favor cita o seguinte artigo:

Citação

@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}
}

Gostaríamos de agradecer ao Consórcio COCO pela criação e manutenção deste recurso valioso para a comunidade de visão computacional. Para mais informações sobre o conjunto de dados COCO e os seus criadores, visita o website do conjunto de dados COCO.

FAQ

O que é o conjunto de dados COCO e porque é importante para a visão computacional?

O conjunto de dados COCO (Common Objects in Context) é um conjunto de dados em grande escala utilizado para deteção de objetos, segmentação e legendagem. Contém 330 mil imagens com anotações detalhadas para 80 categorias de objetos, tornando-o essencial para a avaliação e treino de modelos de visão computacional. Os investigadores utilizam o COCO devido às suas diversas categorias e métricas de avaliação padronizadas, como a média de Precisão (mAP).

Como posso treinar um modelo YOLO usando o conjunto de dados COCO?

Para treinar um modelo YOLO26 usando o conjunto de dados COCO, podes usar os seguintes fragmentos de código:

Exemplo de Treino

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

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

Consulta a página de Treino para mais detalhes sobre os argumentos disponíveis.

Quais são as principais características do conjunto de dados COCO?

O conjunto de dados COCO inclui:

330 mil imagens, com 200 mil anotadas para deteção de objetos, segmentação e legendagem.
80 categorias de objetos, variando desde itens comuns como carros e animais até itens específicos como malas e equipamento desportivo.
Métricas de avaliação padronizadas para deteção de objetos (mAP) e segmentação (média de Recall, mAR).
Técnica de mosaico em lotes de treino para melhorar a generalização do modelo em vários tamanhos e contextos de objetos.

Onde posso encontrar modelos YOLO26 pré-treinados treinados no conjunto de dados COCO?

Os modelos YOLO26 pré-treinados no conjunto de dados COCO podem ser descarregados a partir das ligações fornecidas na documentação. Exemplos incluem:

Estes modelos variam em tamanho, mAP e velocidade de inferência, proporcionando opções para diferentes requisitos de desempenho e recursos.

Como está estruturado o conjunto de dados COCO e como o utilizo?