Набор данных COCO
Набор данных COCO (Common Objects in Context) - это крупномасштабный набор данных по обнаружению, сегментации объектов и созданию надписей. Он предназначен для стимулирования исследований широкого спектра категорий объектов и широко используется для бенчмаркинга моделей компьютерного зрения. Это необходимый набор данных для исследователей и разработчиков, работающих над задачами обнаружения, сегментации и оценки положения объектов.
Смотреть: Ultralytics Обзор набора данных COCO
Предварительно обученные модели COCO
| Модель | размер (пикселей) |
mAPval 50-95 |
Скорость CPU ONNX (мс) |
Скорость T4TensorRT10 (мс) |
params (M) |
FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 ± 0.8 | 1.5 ± 0.0 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 ± 1.2 | 2.5 ± 0.0 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 ± 2.0 | 4.7 ± 0.1 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 ± 1.4 | 6.2 ± 0.1 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 ± 6.7 | 11.3 ± 0.2 | 56.9 | 194.9 |
Основные характеристики
- COCO содержит 330 тысяч изображений, причем 200 тысяч изображений имеют аннотации для задач обнаружения объектов, сегментации и создания надписей.
- Набор данных включает 80 категорий объектов, в том числе такие распространенные объекты, как автомобили, велосипеды и животные, а также более специфические категории, такие как зонты, сумки и спортивный инвентарь.
- Аннотации включают ограничительные рамки объектов, маски сегментации и подписи к каждому изображению.
- COCO предоставляет стандартизированные метрики оценки, такие как средняя точность (mAP) для обнаружения объектов и средняя запоминаемость (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 надписей.
- Val2017: Это подмножество содержит 5K изображений, использованных для проверки в процессе обучения модели.
- Test2017: Это подмножество состоит из 20 тыс. изображений, используемых для тестирования и бенчмаркинга обученных моделей. Истинные аннотации для этого подмножества не находятся в открытом доступе, и результаты передаются на сервер оценки COCO для оценки производительности.
Приложения
Набор данных COCO широко используется для обучения и оценки моделей глубокого обучения в области обнаружения объектов (таких как Ultralytics YOLO, Faster R-CNN и SSD), сегментации объектов (например, Mask R-CNN) и обнаружения ключевых точек (например, OpenPose). Разнообразие категорий объектов, большое количество аннотированных изображений и стандартизированные метрики оценки делают этот набор данных незаменимым для исследователей и практиков компьютерного зрения.
Набор данных YAML
Для определения конфигурации набора данных используется файл YAML (Yet Another Markup Language). Он содержит информацию о путях, классах и другую необходимую информацию о наборе данных. В случае с набором данных COCO файл coco.yaml файл хранится 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: ../datasets/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.downloads import download
# Download labels
segments = True # segment or box labels
dir = Path(yaml["path"]) # dataset root dir
url = "https://github.com/ultralytics/assets/releases/download/v0.0.0/"
urls = [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 YOLO11n на наборе данных COCO в течение 100 эпох при размере изображения 640, можно использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице "Обучение модели".
Пример поезда
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="coco.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=coco.yaml model=yolo11n.pt epochs=100 imgsz=640
Образцы изображений и аннотаций
Набор данных COCO содержит разнообразные изображения с различными категориями объектов и сложными сценами. Ниже приведены примеры изображений из этого набора, а также соответствующие аннотации к ним:
- Мозаичное изображение: Это изображение демонстрирует обучающую партию, состоящую из мозаичных изображений набора данных. Мозаика - это техника, используемая в процессе обучения, которая объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждой обучающей партии. Это помогает улучшить способность модели к обобщению для различных размеров объектов, соотношения сторон и контекста.
Этот пример демонстрирует разнообразие и сложность изображений в наборе данных COCO и преимущества использования мозаики в процессе обучения.
Цитаты и благодарности
Если вы используете набор данных COCO в своих исследованиях или разработках, пожалуйста, ссылайтесь на следующий документ:
@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 выразить благодарность консорциуму COCO за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения. Дополнительную информацию о наборе данных COCO и его создателях можно найти на сайте набора данных COCO.
ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
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 надписей. Он содержит 330 тысяч изображений с подробными аннотациями для 80 категорий объектов, что делает его важным для бенчмаркинга и обучения моделей компьютерного зрения. Исследователи используют COCO благодаря разнообразию категорий и стандартизированным метрикам оценки, таким как средняя точность (mAP).
Как обучить модель YOLO с помощью набора данных COCO?
Чтобы обучить модель YOLO11 на наборе данных COCO, вы можете использовать следующие фрагменты кода:
Пример поезда
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="coco.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=coco.yaml model=yolo11n.pt epochs=100 imgsz=640
Более подробную информацию о доступных аргументах см. на странице "Обучение".
Каковы ключевые особенности набора данных COCO?
Набор данных COCO включает в себя:
- 330 тысяч изображений, из которых 200 тысяч аннотированы для обнаружения объектов, сегментации и создания надписей.
- 80 категорий объектов - 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 (mean Average Recall, mAR).
- Техника мозаики в обучающих группах для улучшения обобщения модели для объектов различных размеров и контекстов.
Где можно найти предварительно обученные модели YOLO11 , натренированные на наборе данных COCO?
Предварительно обученные модели YOLO11 на наборе данных COCO можно загрузить по ссылкам, указанным в документации. Примеры включают:
Эти модели различаются по размеру, mAP и скорости вычислений, что позволяет удовлетворить различные требования к производительности и ресурсам.
Как устроен набор данных COCO и как его использовать?
Набор данных COCO разделен на три подмножества:
- Train2017: 118K изображений для обучения.
- Val2017: 5K изображений для проверки во время обучения.
- Test2017: 20K изображений для бенчмаркинга обученных моделей. Результаты должны быть представлены на сервер оценки COCO для оценки производительности.
Конфигурационный файл YAML набора данных доступен по адресу coco.yaml, в нем определены пути, классы и детали набора данных.
