Conjunto de dados COCO8-Grayscale#

8

coco8 grayscale

ultralytics

publicDetect

Grayscale object detection dataset featuring diverse scenes including wildlife, household items, food, and people in varied indoor and outdoor environments.

76 classes789.4 KBAug 22, 2026

class0class1class2class3+72

Introdução#

O conjunto de dados Ultralytics COCO8-Grayscale é um conjunto de dados de detecção de objetos compacto, porém poderoso, composto pelas primeiras 8 imagens do conjunto COCO train 2017 convertidas para o formato em escala de cinza — 4 para treinamento e 4 para validação. Este conjunto de dados foi projetado especificamente para testes rápidos, depuração e experimentação com modelos e pipelines de treinamento em escala de cinza do YOLO. Seu tamanho pequeno o torna altamente gerenciável, enquanto sua diversidade garante que ele sirva como uma verificação de sanidade eficaz antes de escalar para conjuntos de dados Maiores.

Estrutura do Dataset#

O COCO8-Grayscale espelha o COCO8 — as primeiras 8 imagens do conjunto COCO train 2017, divididas em 4 para treinamento e 4 para validação em todas as 80 classes de objetos do COCO — mas cada imagem é armazenada como uma imagem em escala de cinza de canal único (channels: 1) no formato de rótulo do YOLO:

coco8-grayscale/
├── images/
│   ├── train/   # 4 images
│   └── val/     # 4 images
└── labels/
    ├── train/
    └── val/

Explora o COCO8-Grayscale na plataforma Ultralytics para navegar por cada imagem com suas sobreposições de anotação, ver a distribuição de classes e mapas de calor de caixas delimitadoras na aba Charts, e cloná-lo para treinar o teu próprio modelo na nuvem.

YAML do Dataset#

A configuração do conjunto de dados COCO8-Grayscale é definida em um arquivo YAML, que especifica caminhos de conjuntos de dados, nomes de classes e outros metadados essenciais. Podes rever o arquivo oficial coco8-grayscale.yaml no repositório GitHub da Ultralytics.

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

# COCO8-Grayscale dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco8-grayscale
# Example usage: yolo train data=coco8-grayscale.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8-grayscale ← 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-grayscale # 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)

channels: 1

# 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-grayscale.zip

Uso#

O conjunto de dados COCO8-Grayscale (1 MB) é baixado automaticamente na primeira vez que inicias o treinamento. Para treinar um modelo YOLO26n no COCO8-Grayscale por 100 épocas com um tamanho de imagem de 640, usa os exemplos seguintes. Para obter uma lista completa de opções de treinamento, consulta a documentação de treinamento do YOLO.

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Train the model on COCO8-Grayscale
results = model.train(data="coco8-grayscale.yaml", epochs=100, imgsz=640)

Exemplos de Imagens e Anotações#

Abaixo está um exemplo de um lote de treinamento em mosaico do conjunto de dados COCO8-Grayscale:

• Imagem em Mosaico: Esta imagem ilustra um lote de treino onde várias imagens do dataset são combinadas usando a aumentação de mosaico. A aumentação de mosaico aumenta a diversidade de objetos e cenas em cada lote, ajudando o modelo a generalizar melhor para vários tamanhos de objetos, proporções e fundos.

Esta técnica é especialmente útil para conjuntos de dados pequenos como o COCO8-Grayscale, pois maximiza o valor de cada imagem durante o treinamento.

Citações e Agradecimentos#

Se utilizares o dataset COCO na tua investigação ou desenvolvimento, por favor cita 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}
}

Um agradecimento especial ao COCO Consortium pelas suas contribuições contínuas para a comunidade de visão computacional.

FAQ#