Обзор датасетов для обнаружения объектов#

Для обучения надежной и точной модели обнаружения объектов нужен полноценный датасет. В этом руководстве описаны различные форматы датасетов, совместимые с моделью Ultralytics YOLO, а также их структура, использование и преобразование между форматами.

Поддерживаемые форматы датасетов#

Формат Ultralytics YOLO#

Формат Ultralytics YOLO — это формат конфигурации датасета, который позволяет указать корневой каталог датасета, относительные пути к каталогам с изображениями для обучения, валидации и тестирования либо к файлам *.txt со списками путей к изображениям, а также словарь имен классов. Пример:

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

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

Для каждого из train, val и test можно указать каталог, список каталогов или файл *.txt, в котором на каждой строке указан путь к одному изображению (пути, начинающиеся с ./, задаются относительно файла *.txt). Файл *.txt пригодится, если нужно обучаться на части изображений из каталога, пропускать изображения без разметки или объединить изображения из разных источников в одну выборку.

path: datasets/coco8 # dataset root
train: train.txt # a directory, a list e.g. [images/a, images/b], or a *.txt file
val: val.txt
names:
  0: person

Разметку в этом формате нужно экспортировать в формат YOLO: для каждого изображения создается отдельный файл *.txt. Если на изображении нет объектов, файл *.txt не нужен. В файле *.txt должна быть одна строка на каждый объект в формате class x_center y_center width height. Координаты рамок должны быть нормализованы в формате xywh (от 0 до 1). Если координаты рамок заданы в пикселях, раздели x_center и width на ширину изображения, а y_center и height — на его высоту. Нумерация классов начинается с нуля.

Файл разметки для изображения выше содержит 2 человек (класс 0) и галстук (класс 27):

При использовании формата Ultralytics YOLO организуй изображения и разметку для обучения и валидации, как показано ниже на примере датасета COCO8.

Пример использования#

Вот как использовать датасеты в формате YOLO для обучения модели:

from ultralytics import YOLO

# Загрузить модель
model = YOLO("yolo26n.pt")  # загрузить предварительно обученную модель (рекомендуется для обучения)

# Обучить модель
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

Формат Ultralytics NDJSON#

Формат NDJSON (JSON с разделителями в виде символов новой строки) — это альтернативный способ описания датасетов для моделей Ultralytics YOLO. В этом формате метаданные датасета и разметка хранятся в одном файле, где каждая строка содержит отдельный объект JSON.

Файл датасета NDJSON содержит:

1. Запись датасета (первая строка): Метаданные датасета, включая тип задачи, имена классов и общую информацию
2. Записи изображений (следующие строки): Данные отдельных изображений, в том числе размеры, разметка и пути к файлам

{
    "type": "dataset",
    "task": "detect",
    "name": "Example",
    "description": "COCO NDJSON example dataset",
    "url": "https://platform.ultralytics.com/user/datasets/example",
    "class_names": { "0": "person", "1": "bicycle", "2": "car" },
    "bytes": 426342,
    "version": 0,
    "created_at": "2024-01-01T00:00:00Z",
    "updated_at": "2025-01-01T00:00:00Z"
}

Пользовательские метаданные изображения#

В каждой записи изображения может содержаться JSON-объект metadata с контекстной информацией для конкретного приложения, например об условиях съемки, идентификаторах оборудования или статусе проверки. Поддерживаются вложенные значения. При импорте в Ultralytics Platform метаданные сохраняются вместе с изображением; их можно просматривать и редактировать на полноэкранной панели информации.

{
    "type": "image",
    "file": "airbus-wing.jpg",
    "url": "https://example.com/airbus-wing.jpg",
    "split": "train",
    "metadata": {
        "aircraft": { "family": "A350", "section": "wing" },
        "inspectionStatus": "reviewed"
    }
}

Платформа ограничивает длину ключей метаданных верхнего уровня 128 символами, длину сериализованного объекта метаданных каждого изображения — 500 000 символами, а общий объем эффективных метаданных в одном импорте NDJSON — 500 000 символами.

Пример использования#

Чтобы использовать датасет NDJSON с YOLO26, укажи путь к файлу .ndjson:

from ultralytics import YOLO

# Загрузить модель
model = YOLO("yolo26n.pt")

# Обучение на датасете NDJSON
results = model.train(data="path/to/dataset.ndjson", epochs=100, imgsz=640)

Преимущества формата NDJSON#

• Один файл: Вся информация о датасете хранится в одном файле
• Потоковая обработка: Большие датасеты можно обрабатывать построчно, не загружая их целиком в память
• Интеграция с облаком: Поддерживаются удаленные URL изображений для обучения в облаке
• Расширяемость: Пользовательские поля метаданных легко добавлять
• Контроль версий: Формат с одним файлом хорошо сочетается с git и системами контроля версий

Поддерживаемые датасеты#

Ниже приведен список поддерживаемых датасетов с кратким описанием каждого. Большинство из них также размещено на Ultralytics Platform, где можно просматривать изображения и разметку, изучать статистику датасетов и клонировать датасеты для обучения в облаке.

• African-wildlife: Датасет с изображениями африканских диких животных, в том числе буйволов, слонов, носорогов и зебр.
• Argoverse: Датасет Argoverse-HD для 2D-обнаружения объектов: 54 446 городских изображений для автономного вождения с 8 классами дорожных объектов.
• Brain-tumor: Датасет для обнаружения опухолей мозга, содержащий снимки МРТ или КТ с информацией о наличии, расположении и характеристиках опухолей.
• COCO: Common Objects in Context (COCO) — крупномасштабный датасет для обнаружения объектов, сегментации и создания описаний, содержащий 80 категорий объектов.
• COCO8: небольшой набор из первых 8 изображений COCO train2017: 4 для обучения и 4 для валидации; подходит для быстрых проверок.
• COCO8-Grayscale: версия COCO8 в градациях серого, созданная путем преобразования RGB-изображений; подходит для оценки моделей с одним каналом.
• COCO8-Multispectral: 10-канальная мультиспектральная версия COCO8, созданная интерполяцией длин волн RGB; подходит для оценки моделей, учитывающих спектральные характеристики.
• COCO12-Formats: Тестовый датасет из 12 изображений в 12 поддерживаемых форматах (AVIF, BMP, DNG, HEIC, JP2, JPEG, JPG, MPO, PNG, TIF, TIFF, WebP) для проверки конвейеров загрузки изображений.
• COCO16: Подмножество из первых 16 изображений COCO train2017 (8 для обучения и 8 для валидации), подходящее для быстрых тестов.
• COCO32: Подмножество из первых 32 изображений COCO train2017 (16 для обучения и 16 для валидации), подходящее для быстрых тестов.
• COCO64: Подмножество из первых 64 изображений COCO train2017 (32 для обучения и 32 для валидации), подходящее для быстрых тестов.
• COCO128: небольшой набор из первых 128 изображений COCO train2017, подходящий для тестирования.
• Construction-PPE: Датасет с изображениями работников на строительных площадках и разметкой средств индивидуальной защиты: касок, жилетов, перчаток, ботинок и очков. Также отмечено отсутствие средств защиты, например no_helmet и no_goggle, для контроля соблюдения требований в реальных условиях.
• Global Wheat 2020: набор изображений колосьев пшеницы для конкурса Global Wheat Challenge 2020.
• HomeObjects-3K: Датасет с изображениями предметов домашнего обихода, в том числе кроватей, стульев и телевизоров. Подходит для автоматизации умного дома, робототехники, дополненной реальности и анализа планировки помещений.
• KITTI: Датасет с реальными дорожными сценами и данными стереокамер, LiDAR и GPS/IMU. Здесь он используется для задач 2D-обнаружения объектов, например автомобилей, пешеходов и велосипедистов в городской, сельской местности и на шоссе.
• LVIS: крупномасштабный набор данных для обнаружения объектов и сегментации экземпляров, включающий 1 203 категории объектов.
• Medical-pills: Датасет с изображениями лекарственных таблеток и разметкой для контроля качества фармацевтической продукции, сортировки таблеток и соблюдения нормативных требований.
• Objects365: Качественный крупномасштабный датасет для обнаружения объектов с 365 категориями и более чем 1,7 млн изображений для обучения.
• OpenImagesV7: обширный набор данных Google с 1,7 млн изображений для обучения и 42 тыс. изображений для валидации.
• Roboflow 100: разнообразный бенчмарк для обнаружения объектов, включающий 100 наборов данных из семи областей изображения для комплексной оценки моделей.
• Signature: набор изображений различных документов с разметкой подписей для исследований в области проверки документов и обнаружения мошенничества.
• SKU-110K: набор данных для обнаружения объектов в условиях высокой плотности в розничной торговле: более 11 тыс. изображений и 1,7 млн ограничивающих рамок.
• TT100K: изучи набор данных дорожных знаков Tsinghua-Tencent 100K (TT100K): 16 817 изображений улиц с 221 категорией знаков для надежного обнаружения и классификации.
• VisDrone: набор данных для обнаружения и отслеживания нескольких объектов на изображениях и видеозаписях с дронов; содержит более 10 тыс. изображений и видеопоследовательностей.
• VOC: набор данных Pascal Visual Object Classes (VOC) для обнаружения и сегментации объектов, включающий 20 классов объектов и более 11 тыс. изображений.
• xView: набор для обнаружения объектов на аэрофотоснимках; содержит 60 категорий и более 1 млн размеченных объектов.

Добавление собственного набора данных#

Если у тебя есть собственный набор данных и ты хочешь использовать его для обучения моделей обнаружения в формате Ultralytics YOLO, убедись, что он соответствует формату, описанному выше в разделе «Формат Ultralytics YOLO». Преобразуй аннотации в требуемый формат и укажи пути, количество классов и названия классов в файле конфигурации YAML.

Перенос или преобразование форматов разметки#

Преобразование формата набора данных COCO в формат YOLO#

Ты можешь легко преобразовать метки из популярного формата набора данных COCO в формат YOLO с помощью следующего фрагмента кода:

from ultralytics.data.converter import convert_coco

convert_coco(labels_dir="path/to/coco/annotations/")

Этот инструмент преобразования можно использовать для преобразования набора данных COCO или любого набора данных в формате COCO в формат Ultralytics YOLO. В процессе аннотации COCO в формате JSON преобразуются в более простой текстовый формат YOLO, совместимый с моделями Ultralytics YOLO. Полное описание рабочего процесса — включая сопоставление идентификаторов классов, структуру каталогов и аннотации сегментации или позы — см. в разделе «Преобразование аннотаций COCO в формат YOLO».

Не забудь еще раз проверить, совместим ли нужный тебе набор данных с моделью и соответствует ли он необходимым соглашениям о формате. Правильное форматирование наборов данных крайне важно для успешного обучения моделей обнаружения объектов.

Что дальше#

После форматирования набора данных приступай к обучению модели. Не знаешь, с какой предварительно обученной модели начать? Сравни варианты в семействе моделей YOLO26.

Часто задаваемые вопросы#