Link to this sectionDataset COCO#

O dataset COCO (Common Objects in Context) é um dataset de larga escala para detecção de objetos, segmentação e legendagem. Ele foi projetado para incentivar a pesquisa em uma ampla variedade de categorias de objetos e é comumente usado para avaliar modelos de visão computacional. É um dataset essencial para pesquisadores e desenvolvedores que trabalham em tarefas de detecção de objetos, segmentação e estimativa de pose.

Link to this sectionModelos Pré-treinados no COCO#

Link to this sectionPrincipais recursos#

• O COCO contém 330 mil imagens, das quais 200 mil possuem anotações para tarefas de detecção de objetos, segmentação e legendagem.
• O dataset compreende 80 categorias de objetos, incluindo itens comuns como carros, bicicletas e animais, bem como categorias mais específicas como guarda-chuvas, bolsas e equipamentos esportivos.
• As anotações incluem caixas delimitadoras (bounding boxes) de objetos, máscaras de segmentação e legendas para cada imagem.
• O COCO fornece métricas de avaliação padronizadas como a mean Average Precision (mAP) para detecção de objetos, e a mean Average Recall (mAR) para tarefas de segmentação, tornando-o adequado para comparar o desempenho dos modelos.

Link to this sectionEstrutura do Dataset#

O dataset COCO é dividido em três subconjuntos:

1. Train2017: Este subconjunto contém 118 mil imagens para treinar modelos de detecção de objetos, segmentação e legendagem.
2. Val2017: Este subconjunto possui 5 mil imagens usadas para fins de validação durante o treinamento do modelo.
3. Test2017: Este subconjunto consiste em 20K imagens usadas para testar e avaliar os modelos treinados. As anotações de ground truth para este subconjunto não estão publicamente disponíveis, e os resultados são enviados para o servidor de avaliação COCO para avaliação de desempenho.

Link to this sectionAplicações#

O dataset COCO é amplamente utilizado para treinar e avaliar modelos de deep learning em detecção de objetos (como Ultralytics YOLO, Faster R-CNN e SSD), segmentação de instâncias (como Mask R-CNN) e detecção de pontos-chave (como OpenPose). O conjunto diversificado de categorias de objetos do dataset, o grande número de imagens anotadas e as métricas de avaliação padronizadas o tornam um recurso essencial para pesquisadores e profissionais de visão computacional.

Link to this sectionYAML do Dataset#

Um arquivo YAML (Yet Another Markup Language) é usado para definir a configuração do dataset. Ele contém informações sobre os caminhos do dataset, classes e outras informações relevantes. No caso do dataset COCO, o arquivo coco.yaml é mantido em https://github.com/ultralytics/ultralytics/blob/main/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 via https://cocodataset.org/#detection-eval

# 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)

Link to this sectionUso#

Para treinar um modelo YOLO26n no dataset COCO por 100 epochs com um tamanho de imagem de 640, você pode usar os seguintes trechos de código. Para uma lista abrangente de argumentos disponíveis, consulte a página de Treinamento do modelo.

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)

Link to this sectionExemplos de Imagens e Anotações#

O dataset COCO contém um conjunto diversificado de imagens com várias categorias de objetos e cenas complexas. Aqui estão alguns exemplos de imagens do dataset, juntamente com suas respectivas anotações:

• Imagem em Mosaico: Esta imagem demonstra um lote de treino composto por imagens do conjunto de dados em mosaico. A mosaicação é uma técnica usada durante o treino que combina múltiplas imagens numa única imagem 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 objeto, proporções e contextos.

O exemplo demonstra a variedade e a complexidade das imagens no dataset COCO e os benefícios de usar a técnica de mosaico durante o processo de treinamento.

Link to this sectionCitações e Agradecimentos#

Se você utilizar o dataset COCO em seu trabalho de pesquisa ou desenvolvimento, por favor, cite o seguinte artigo:

@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 por criar e manter este recurso valioso para a comunidade de visão computacional. Para obter mais informações sobre o dataset COCO e seus criadores, visite o site do dataset COCO.

Link to this sectionFAQ#

Link to this sectionO que é o dataset COCO e por que ele é importante para a visão computacional?#

O dataset COCO (Common Objects in Context) é um dataset de larga escala usado para detecção de objetos, segmentação e legendagem. Ele contém 330 mil imagens com anotações detalhadas para 80 categorias de objetos, tornando-o essencial para a avaliação e o treinamento de modelos de visão computacional. Pesquisadores usam o COCO devido às suas categorias diversas e métricas de avaliação padronizadas, como mean Average Precision (mAP).

Link to this sectionComo posso treinar um modelo YOLO usando o dataset COCO?#

Para treinar um modelo YOLO26 usando o dataset COCO, você pode usar os seguintes trechos de código:

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)

Consulte a página de Treinamento para obter mais detalhes sobre os argumentos disponíveis.

Link to this sectionQuais são os principais recursos do dataset COCO?#

O dataset COCO inclui:

• 330 mil imagens, com 200 mil anotadas para detecção de objetos, segmentação e legendagem.
• 80 categorias de objetos variando de itens comuns como carros e animais a específicos como bolsas e equipamentos esportivos.
• Métricas de avaliação padronizadas para detecção de objetos (mAP) e segmentação (mean Average Recall, mAR).
• Técnica de Mosaico em lotes de treinamento para aprimorar a generalização do modelo em vários tamanhos e contextos de objetos.

Link to this sectionOnde posso encontrar modelos YOLO26 pré-treinados no dataset COCO?#

Modelos YOLO26 pré-treinados no dataset COCO podem ser baixados a partir dos links fornecidos na documentação. Exemplos incluem:

• YOLO26n
• YOLO26s
• YOLO26m
• YOLO26l
• YOLO26x

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

Link to this sectionComo o dataset COCO é estruturado e como posso usá-lo?#

O dataset COCO é dividido em três subconjuntos:

1. Train2017: 118 mil imagens para treinamento.
2. Val2017: 5 mil imagens para validação durante o treinamento.
3. Test2017: 20K imagens para avaliar modelos treinados. Os resultados precisam ser enviados para o servidor de avaliação COCO para avaliação de desempenho.

O arquivo de configuração YAML do dataset está disponível em coco.yaml, que define caminhos, classes e detalhes do dataset.