Набор данных COCO

Набор данных COCO (Common Objects in Context) — это крупномасштабный набор данных для обнаружения объектов, сегментации и создания подписей к изображениям. Он разработан для стимулирования исследований в широком спектре категорий объектов и широко используется для тестирования моделей компьютерного зрения. Это важный набор данных для исследователей и разработчиков, работающих над задачами обнаружения объектов, сегментации и оценки позы.

Watch: Ultralytics COCO Dataset Overview

Предобученные модели COCO

Модель	размер ^{(пиксели)}	mAP^val 50-95	mAP^{val 50-95(e2e)}	Скорость ^{CPU ONNX (мс)}	Скорость ^{T4 TensorRT10 (мс)}	параметры ^(М)	FLOPs ^(Б)
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

Основные характеристики

COCO содержит 330 тыс. изображений, из которых 200 тыс. имеют аннотации для задач обнаружения объектов, сегментации и создания подписей.
Набор данных включает 80 категорий объектов, включая обычные объекты, такие как автомобили, велосипеды и животные, а также более специфические категории, например зонты, сумки и спортивный инвентарь.
Аннотации включают ограничивающие рамки объектов, маски сегментации и подписи к каждому изображению.
COCO предоставляет стандартизированные метрики оценки, такие как средняя точность (mAP) для обнаружения объектов и средняя полнота (mAR) для задач сегментации, что делает его подходящим для сравнения производительности моделей.

Структура набора данных

Набор данных COCO разделен на три подмножества:

Train2017: это подмножество содержит 118 тыс. изображений для обучения моделей обнаружения объектов, сегментации и создания подписей.
Val2017: это подмножество содержит 5 тыс. изображений, используемых для проверки в процессе обучения модели.
Test2017: это подмножество состоит из 20 тыс. изображений, используемых для тестирования и оценки обученных моделей. Аннотации с эталонными данными (ground truth) для этого подмножества не являются общедоступными, а результаты отправляются на сервер оценки COCO для оценки производительности.

Приложения

Набор данных COCO широко используется для обучения и оценки моделей глубинного обучения в задачах обнаружения объектов (таких как Ultralytics YOLO, Faster R-CNN и SSD), сегментации экземпляров (такой как Mask R-CNN) и обнаружения ключевых точек (такой как OpenPose). Разнообразный набор категорий объектов, большое количество аннотированных изображений и стандартизированные метрики оценки делают его важнейшим ресурсом для исследователей и специалистов в области компьютерного зрения.

YAML набора данных

Файл YAML (Yet Another Markup Language) используется для определения конфигурации набора данных. Он содержит информацию о путях к данным, классах и другую соответствующую информацию. В случае с набором данных COCO файл coco.yaml поддерживается по адресу 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)

Использование

Чтобы обучить модель YOLO26n на наборе данных COCO в течение 100 эпох с размером изображения 640, ты можешь использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице обучения модели.

Пример обучения

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)

Примеры изображений и аннотаций

Набор данных COCO содержит разнообразный набор изображений с различными категориями объектов и сложными сценами. Вот несколько примеров изображений из набора данных вместе с соответствующими аннотациями:

Мозаичная обучающая выборка набора данных COCO с обнаружением объектов

Мозаичное изображение: это изображение демонстрирует обучающую выборку, состоящую из мозаичных изображений набора данных. Мозаика — это метод, используемый во время обучения, который объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждой обучающей выборке. Это помогает улучшить способность модели к обобщению на разные размеры объектов, соотношения сторон и контексты.

Этот пример демонстрирует разнообразие и сложность изображений в наборе данных COCO, а также преимущества использования мозаики в процессе обучения.

Цитирование и благодарности

Если ты используешь набор данных COCO в своих исследованиях или разработках, пожалуйста, сошлися на следующую статью:

Цитата

@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}
}

Мы хотели бы поблагодарить консорциум COCO за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения. Для получения дополнительной информации о наборе данных COCO и его создателях посети сайт набора данных COCO.

Часто задаваемые вопросы (FAQ)

Что такое набор данных COCO и почему он важен для компьютерного зрения?

Набор данных COCO (Common Objects in Context) — это крупномасштабный набор данных, используемый для обнаружения объектов, сегментации и создания подписей. Он содержит 330 тыс. изображений с подробными аннотациями для 80 категорий объектов, что делает его важным инструментом для тестирования и обучения моделей компьютерного зрения. Исследователи используют COCO благодаря разнообразию категорий и стандартизированным метрикам оценки, таким как средняя точность (mAP).

Как я могу обучить модель YOLO, используя набор данных COCO?

Чтобы обучить модель YOLO26 с использованием набора данных COCO, ты можешь использовать следующие фрагменты кода:

Пример обучения

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)

Обратись к странице обучения для получения дополнительной информации о доступных аргументах.

Каковы ключевые особенности набора данных COCO?

Набор данных COCO включает:

330 тыс. изображений, из которых 200 тыс. аннотированы для задач обнаружения объектов, сегментации и создания подписей.
80 категорий объектов, начиная от обычных предметов, таких как автомобили и животные, до специфических, таких как сумки и спортивный инвентарь.
Стандартизированные метрики оценки для обнаружения объектов (mAP) и сегментации (средняя полнота, mAR).
Технику мозаики (Mosaicing) в обучающих выборках для повышения обобщающей способности модели при работе с объектами различных размеров и в разных контекстах.

Где я могу найти предобученные модели YOLO26, обученные на наборе данных COCO?

Предобученные модели YOLO26 на наборе данных COCO можно скачать по ссылкам, предоставленным в документации. Примеры включают:

Эти модели различаются по размеру, mAP и скорости вывода, предоставляя варианты для различных требований к производительности и ресурсам.

Как структурирован набор данных COCO и как мне его использовать?