Набор данных COCO

Q: How is the COCO dataset structured and how do I use it?

Набор данных COCO разделен на три подмножества: YAML-файл конфигурации набора данных доступен по адресу coco.yaml, который определяет пути, классы и детали набора данных.

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

Смотреть: Обзор набора данных Ultralytics COCO

Предварительно обученные модели COCO

Модель	размер ^{(пиксели)}	mAP^val 50-95	Скорость ^{CPU ONNX (мс)}	Скорость ^{T4 TensorRT10 (мс)}	параметры ^(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, из которых 200 тысяч имеют аннотации для задач обнаружения объектов, сегментации и описания.
Датасет включает 80 категорий объектов, в том числе распространенные объекты, такие как автомобили, велосипеды и животные, а также более специфические категории, такие как зонты, сумки и спортивное оборудование.
Аннотации включают ограничивающие рамки объектов, маски сегментации и описания для каждого изображения.
COCO предоставляет стандартизированные метрики оценки, такие как средняя точность (mAP) для обнаружения объектов и среднее значение полноты (mAR) для задач сегментации, что делает его пригодным для сравнения производительности моделей.

Структура набора данных

Датасет COCO разделен на три подмножества:

Train2017: Этот поднабор содержит 118 тысяч изображений для обучения моделей обнаружения объектов, сегментации и описания.
Val2017: Этот поднабор содержит 5 тысяч изображений, используемых для целей валидации во время обучения модели.
Test2017: Этот поднабор состоит из 20 тысяч изображений, используемых для тестирования и оценки обученных моделей. Исходные аннотации для этого поднабора общедоступны, и результаты отправляются на сервер оценки COCO для оценки производительности.

Приложения

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

YAML-файл набора данных

YAML-файл (Yet Another Markup Language) используется для определения конфигурации набора данных. Он содержит информацию о путях к набору данных, классах и другую релевантную информацию. В случае набора данных COCO, coco.yaml файл 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.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 с размером изображения 640, вы можете использовать следующие фрагменты кода. Для получения полного списка доступных аргументов обратитесь к странице Обучение модели.

Пример обучения

PythonCLI

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

Примеры изображений и аннотации

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

Образец изображения набора данных

Скомпилированное изображение: Это изображение демонстрирует пакет обучения, состоящий из скомпилированных изображений набора данных. Компиляция — это метод, используемый во время обучения, который объединяет несколько изображений в одно изображение, чтобы увеличить разнообразие объектов и сцен в каждом пакете обучения. Это помогает улучшить способность модели обобщать различные размеры объектов, соотношения сторон и контексты.

В примере демонстрируется разнообразие и сложность изображений в наборе данных COCO и преимущества использования компиляции в процессе обучения.

Цитирование и благодарности

Если вы используете набор данных COCO в своей исследовательской или опытно-конструкторской работе, пожалуйста, сошлитесь на следующую статью:

BibTeX

@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 COCO Consortium за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения. Для получения дополнительной информации о наборе данных COCO и его создателях посетите веб-сайт 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 подписей. Он содержит 330 тысяч изображений с подробными аннотациями для 80 категорий объектов, что делает его важным для сравнительного анализа и обучения моделей компьютерного зрения. Исследователи используют COCO из-за его разнообразных категорий и стандартизированных метрик оценки, таких как средняя точность Precision (mAP).

Как я могу обучить модель YOLO с использованием набора данных COCO?

Чтобы обучить модель YOLO11 с использованием набора данных COCO, вы можете использовать следующие фрагменты кода:

Пример обучения

PythonCLI

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

Обратитесь к странице Обучение для получения более подробной информации о доступных аргументах.

Каковы основные особенности набора данных COCO?

Набор данных COCO включает в себя:

330 тысяч изображений, из которых 200 тысяч аннотированы для обнаружения объектов, сегментации и создания подписей.
80 категорий объектов, начиная от обычных предметов, таких как автомобили и животные, и заканчивая конкретными, такими как сумки и спортивное оборудование.
Стандартизированные метрики оценки для обнаружения объектов (mAP) и сегментации (средняя точность Recall, mAR).
Метод Компиляции в пакетах обучения для улучшения обобщения модели по различным размерам и контекстам объектов.

Где я могу найти предварительно обученные модели YOLO11, обученные на наборе данных COCO?

Предварительно обученные модели YOLO11 на наборе данных COCO можно загрузить по ссылкам, представленным в документации. Примеры включают:

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

Как структурирован набор данных COCO и как его использовать?