Набор данных COCO

Набор данных COCO (Common Objects in Context) - это масштабный набор данных по обнаружению, сегментации объектов и созданию надписей. Он предназначен для стимулирования исследований самых разных категорий объектов и обычно используется для бенчмаркинга моделей компьютерного зрения. Это необходимый набор данных для исследователей и разработчиков, занимающихся задачами обнаружения объектов, сегментации и оценки позы.

Смотри: Ultralytics Обзор набора данных COCO

Предварительно обученные модели COCO

Основные характеристики

• COCO содержит 330 тысяч изображений, причем 200 тысяч изображений имеют аннотации для задач обнаружения объектов, сегментации и создания надписей.
• Набор данных включает в себя 80 категорий объектов, в том числе такие распространенные предметы, как автомобили, велосипеды и животные, а также более специфические категории, такие как зонты, сумки и спортивный инвентарь.
• Аннотации включают в себя 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 разбит на три подмножества:

1. Train2017: Это подмножество содержит 118 тысяч изображений для обучения моделей обнаружения объектов, сегментации и создания надписей.
2. Val2017: В этом подмножестве собраны 5K изображений, которые использовались для проверки во время обучения модели.
3. Test2017: Это подмножество состоит из 20 тысяч изображений, используемых для тестирования и бенчмаркинга обученных моделей. Наземные истинные аннотации для этого подмножества не находятся в открытом доступе, и результаты отправляются 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 YOLO, Faster R-CNN и SSD), сегментации объектов (таких как Mask R-CNN) и обнаружения ключевых точек (таких как OpenPose). Разнообразие категорий объектов, большое количество аннотированных изображений и стандартизированные метрики оценки делают этот набор данных важным ресурсом 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 к набору данных, классах и другую необходимую информацию. В случае с набором данных COCO файл YAML coco.yaml файл хранится по адресу https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 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 ultralytics.utils.downloads import download
  from pathlib import Path

  # 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 YOLOv8n на наборе данных COCO в течение 100 эпох с размером изображения 640, ты можешь воспользоваться следующими фрагментами кода. Полный список доступных аргументов ты найдешь на странице обучения модели.

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.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=yolov8n.pt 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 этого набора, а также соответствующие им аннотации:

• Мозаичное изображение: Это изображение демонстрирует тренировочную партию, состоящую из мозаичных изображений набора данных. Мозаика - это техника, используемая во время обучения, которая объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждой обучающей партии. Это помогает улучшить способность модели к обобщению на различные размеры объектов, соотношение сторон и контекст.

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

Цитаты и благодарности

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

@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. Чтобы узнать больше о наборе данных COCO и его создателях, посети сайт COCO dataset.

ВОПРОСЫ И ОТВЕТЫ

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 незаменимым 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 , используя набор данных COCO?

Чтобы обучить модель YOLOv8 на наборе данных COCO, ты можешь воспользоваться следующими фрагментами кода:

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.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=yolov8n.pt epochs=100 imgsz=640

Подробнее о доступных аргументах читай 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, начиная от обычных предметов вроде машин и животных и заканчивая специфическими, вроде сумок и спортивного инвентаря.
• Стандартизированные метрики оценки для обнаружения объектов (mAP) и сегментации (mean Average Recall, mAR).
• Техника мозаики в обучающих партиях для улучшения обобщения модели на объектах разных размеров и контекстов.

Где я могу найти предварительно обученные модели YOLOv8 , натренированные на наборе данных COCO?

Предварительно обученные модели YOLOv8 на наборе данных COCO можно скачать по ссылкам, указанным в документации. Примеры включают:

• YOLOv8n
• YOLOv8s
• YOLOv8m

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

Как устроен набор данных COCO и как его использовать?

Набор данных COCO разбит на три подмножества:

1. Поезд2017: 118K изображений для тренировки.
2. Val2017: 5K изображений для проверки во время тренировки.
3. Test2017: 20K изображений для бенчмаркинга обученных моделей. Результаты нужно отправить на сервер оценки COCO для оценки производительности.

YAML-файл конфигурации набора данных доступен по адресу coco.yaml, в нем определены пути, классы и детали набора данных.

Комментарии