Как обучить YOLO на COCO JSON без конвертации
Зачем обучать напрямую на COCO JSON
Аннотации в COCO JSON формат можно использовать напрямую для Ultralytics YOLO обучения без предварительной конвертации в .txt файлы. Это делается путем наследования YOLODataset для парсинга COCO JSON «на лету» и подключения его в конвейер обучения через кастомный тренер.
Такой подход позволяет хранить COCO JSON как единственный источник истины — никакой convert_coco() конвертации, никакой реорганизации директорий, никаких промежуточных файлов с метками. YOLO26 и все другие детекционные модели Ultralytics YOLO поддерживаются. Для моделей сегментации и поз требуются дополнительные поля меток (см. FAQ).
См. раздел Руководство по конвертации COCO в YOLO для стандартного convert_coco() рабочего процесса.
Обзор архитектуры
Потребуются два класса:
COCODataset— считывает COCO JSON и конвертирует bounding boxes в формат YOLO в оперативной памяти во время обученияCOCOTrainer— переопределяетbuild_dataset()для использованияCOCODatasetвместо стандартногоYOLODataset
Реализация следует тому же шаблону, что и встроенный GroundingDataset, который также читает JSON-аннотации напрямую. Переопределяются три метода: get_img_files(), cache_labels() и get_labels().
Создание класса датасета для COCO JSON
Метод COCODataset класс наследуется от YOLODataset и переопределяет логику загрузки меток. Вместо чтения .txt файлов из директории с метками, он открывает файл COCO JSON, перебирает аннотации, сгруппированные по изображениям, и конвертирует каждый BBox из пиксельного формата COCO [x_min, y_min, width, height] в нормализованный центральный формат YOLO [x_center, y_center, width, height]. Аннотации толпы (iscrowd: 1) и боксы нулевой площади пропускаются автоматически.
Метод get_img_files() метод возвращает пустой список, поскольку пути к изображениям определяются на основе поля JSON file_name внутри cache_labels(). Идентификаторы категорий сортируются и переотображаются в индексы классов, начинающиеся с нуля, поэтому работают как 1-базированные (стандарт COCO), так и неконтигуальные схемы ID.
import json
from collections import defaultdict
from pathlib import Path
import numpy as np
from ultralytics.data.dataset import DATASET_CACHE_VERSION, YOLODataset
from ultralytics.data.utils import get_hash, load_dataset_cache_file, save_dataset_cache_file
from ultralytics.utils import TQDM
class COCODataset(YOLODataset):
"""Dataset that reads COCO JSON annotations directly without conversion to .txt files."""
def __init__(self, *args, json_file="", **kwargs):
self.json_file = json_file
super().__init__(*args, data={"channels": 3}, **kwargs)
def get_img_files(self, img_path):
"""Image paths are resolved from the JSON file, not from scanning a directory."""
return []
def cache_labels(self, path=Path("./labels.cache")):
"""Parse COCO JSON and convert annotations to YOLO format. Results are saved to a .cache file."""
x = {"labels": []}
with open(self.json_file) as f:
coco = json.load(f)
images = {img["id"]: img for img in coco["images"]}
# Sort categories by ID and map to 0-indexed classes
categories = {cat["id"]: i for i, cat in enumerate(sorted(coco["categories"], key=lambda c: c["id"]))}
img_to_anns = defaultdict(list)
for ann in coco["annotations"]:
img_to_anns[ann["image_id"]].append(ann)
for img_info in TQDM(coco["images"], desc="reading annotations"):
h, w = img_info["height"], img_info["width"]
im_file = Path(self.img_path) / img_info["file_name"]
if not im_file.exists():
continue
self.im_files.append(str(im_file))
bboxes = []
for ann in img_to_anns.get(img_info["id"], []):
if ann.get("iscrowd", False):
continue
# COCO: [x, y, w, h] top-left in pixels -> YOLO: [cx, cy, w, h] center normalized
box = np.array(ann["bbox"], dtype=np.float32)
box[:2] += box[2:] / 2 # top-left to center
box[[0, 2]] /= w # normalize x
box[[1, 3]] /= h # normalize y
if box[2] <= 0 or box[3] <= 0:
continue
cls = categories[ann["category_id"]]
bboxes.append([cls, *box.tolist()])
lb = np.array(bboxes, dtype=np.float32) if bboxes else np.zeros((0, 5), dtype=np.float32)
x["labels"].append(
{
"im_file": str(im_file),
"shape": (h, w),
"cls": lb[:, 0:1],
"bboxes": lb[:, 1:],
"segments": [],
"normalized": True,
"bbox_format": "xywh",
}
)
x["hash"] = get_hash([self.json_file, str(self.img_path)])
save_dataset_cache_file(self.prefix, path, x, DATASET_CACHE_VERSION)
return x
def get_labels(self):
"""Load labels from .cache file if available, otherwise parse JSON and create the cache."""
cache_path = Path(self.json_file).with_suffix(".cache")
try:
cache = load_dataset_cache_file(cache_path)
assert cache["version"] == DATASET_CACHE_VERSION
assert cache["hash"] == get_hash([self.json_file, str(self.img_path)])
self.im_files = [lb["im_file"] for lb in cache["labels"]]
except (FileNotFoundError, AssertionError, AttributeError, KeyError, ModuleNotFoundError):
cache = self.cache_labels(cache_path)
cache.pop("hash", None)
cache.pop("version", None)
return cache["labels"]Распарсенные метки сохраняются в .cache файл рядом с JSON (например, instances_train.cache). При последующих запусках обучения кэш загружается напрямую, минуя парсинг JSON. Если файл JSON изменяется, проверка хеша не проходит, и кэш автоматически перестраивается.
Подключение датасета к конвейеру обучения
Единственное изменение, необходимое в тренере, — это переопределение build_dataset(). Стандартный DetectionTrainer создает YOLODataset который ищет .txt файлы меток. Заменив его на COCODataset, тренер начинает читать данные из COCO JSON.
Путь к файлу JSON берется из кастомного поля train_json / val_json в конфигурации данных (см. Шаг 3). Во время обучения mode="train" разрешается в train_json; во время валидации, mode="val" разрешается в val_json. Если val_json не задано, используется train_json.
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import colorstr
class COCOTrainer(DetectionTrainer):
"""Trainer that uses COCODataset for direct COCO JSON training."""
def build_dataset(self, img_path, mode="train", batch=None):
json_file = self.data["train_json"] if mode == "train" else self.data.get("val_json", self.data["train_json"])
return COCODataset(
img_path=img_path,
json_file=json_file,
imgsz=self.args.imgsz,
batch_size=batch,
augment=mode == "train",
hyp=self.args,
rect=self.args.rect or mode == "val",
cache=self.args.cache or None,
single_cls=self.args.single_cls or False,
stride=int(self.model.stride.max()) if hasattr(self, "model") and self.model else 32,
pad=0.0 if mode == "train" else 0.5,
prefix=colorstr(f"{mode}: "),
task=self.args.task,
classes=self.args.classes,
fraction=self.args.fraction if mode == "train" else 1.0,
)Конфигурация dataset.yaml для COCO JSON
Метод dataset.yaml использует стандартные path, train и val поля для определения директорий с изображениями. Два дополнительных поля, train_json и val_json задают файлы аннотаций COCO, которые COCOTrainer считывает. Поля nc и names определяют количество классов и их названия, соответствующие отсортированному порядку categories в JSON.
path: /path/to/images # root directory with train/ and val/ subfolders
train: train
val: val
# COCO JSON annotation files
train_json: /path/to/annotations/instances_train.json
val_json: /path/to/annotations/instances_val.json
nc: 80
names:
0: person
1: bicycle
# ... remaining class namesОжидаемая структура директорий:
my_dataset/
images/
train/
img_001.jpg
...
val/
img_100.jpg
...
annotations/
instances_train.json
instances_val.json
dataset.yamlЗапуск обучения на COCO JSON
С готовыми классом датасета, классом тренера и конфигурацией YAML, обучение запускается через стандартный model.train() вызов. Единственное отличие от обычного запуска обучения — это аргумент trainer=COCOTrainer который указывает Ultralytics использовать кастомный загрузчик датасета вместо стандартного.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="dataset.yaml", epochs=100, imgsz=640, trainer=COCOTrainer)Полный Хотя «сырые» метрики важны, опыт разработчика часто определяет успех проекта. конвейер работает как ожидается, включая валидации, сохранение чекпоинтов и логирование метрик.
Полная реализация
Для удобства полная реализация представлена ниже в виде готового скрипта. Он включает кастомный датасет, кастомный тренер и вызов обучения. Сохрани его рядом с dataset.yaml и запусти напрямую.
import json
from collections import defaultdict
from pathlib import Path
import numpy as np
from ultralytics import YOLO
from ultralytics.data.dataset import DATASET_CACHE_VERSION, YOLODataset
from ultralytics.data.utils import get_hash, load_dataset_cache_file, save_dataset_cache_file
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import TQDM, colorstr
class COCODataset(YOLODataset):
"""Dataset that reads COCO JSON annotations directly without conversion to .txt files."""
def __init__(self, *args, json_file="", **kwargs):
self.json_file = json_file
super().__init__(*args, data={"channels": 3}, **kwargs)
def get_img_files(self, img_path):
return []
def cache_labels(self, path=Path("./labels.cache")):
x = {"labels": []}
with open(self.json_file) as f:
coco = json.load(f)
images = {img["id"]: img for img in coco["images"]}
categories = {cat["id"]: i for i, cat in enumerate(sorted(coco["categories"], key=lambda c: c["id"]))}
img_to_anns = defaultdict(list)
for ann in coco["annotations"]:
img_to_anns[ann["image_id"]].append(ann)
for img_info in TQDM(coco["images"], desc="reading annotations"):
h, w = img_info["height"], img_info["width"]
im_file = Path(self.img_path) / img_info["file_name"]
if not im_file.exists():
continue
self.im_files.append(str(im_file))
bboxes = []
for ann in img_to_anns.get(img_info["id"], []):
if ann.get("iscrowd", False):
continue
box = np.array(ann["bbox"], dtype=np.float32)
box[:2] += box[2:] / 2
box[[0, 2]] /= w
box[[1, 3]] /= h
if box[2] <= 0 or box[3] <= 0:
continue
cls = categories[ann["category_id"]]
bboxes.append([cls, *box.tolist()])
lb = np.array(bboxes, dtype=np.float32) if bboxes else np.zeros((0, 5), dtype=np.float32)
x["labels"].append(
{
"im_file": str(im_file),
"shape": (h, w),
"cls": lb[:, 0:1],
"bboxes": lb[:, 1:],
"segments": [],
"normalized": True,
"bbox_format": "xywh",
}
)
x["hash"] = get_hash([self.json_file, str(self.img_path)])
save_dataset_cache_file(self.prefix, path, x, DATASET_CACHE_VERSION)
return x
def get_labels(self):
cache_path = Path(self.json_file).with_suffix(".cache")
try:
cache = load_dataset_cache_file(cache_path)
assert cache["version"] == DATASET_CACHE_VERSION
assert cache["hash"] == get_hash([self.json_file, str(self.img_path)])
self.im_files = [lb["im_file"] for lb in cache["labels"]]
except (FileNotFoundError, AssertionError, AttributeError, KeyError, ModuleNotFoundError):
cache = self.cache_labels(cache_path)
cache.pop("hash", None)
cache.pop("version", None)
return cache["labels"]
class COCOTrainer(DetectionTrainer):
"""Trainer that uses COCODataset for direct COCO JSON training."""
def build_dataset(self, img_path, mode="train", batch=None):
json_file = self.data["train_json"] if mode == "train" else self.data.get("val_json", self.data["train_json"])
return COCODataset(
img_path=img_path,
json_file=json_file,
imgsz=self.args.imgsz,
batch_size=batch,
augment=mode == "train",
hyp=self.args,
rect=self.args.rect or mode == "val",
cache=self.args.cache or None,
single_cls=self.args.single_cls or False,
stride=int(self.model.stride.max()) if hasattr(self, "model") and self.model else 32,
pad=0.0 if mode == "train" else 0.5,
prefix=colorstr(f"{mode}: "),
task=self.args.task,
classes=self.args.classes,
fraction=self.args.fraction if mode == "train" else 1.0,
)
model = YOLO("yolo26n.pt")
model.train(data="dataset.yaml", epochs=100, imgsz=640, trainer=COCOTrainer)Для рекомендации по гиперпараметрам смотри в Советы по обучению моделей.
FAQ
В чем разница между этим методом и convert_coco()?
convert_coco() записывает .txt файлы меток на диск как одноразовую конвертацию. Этот же подход парсит JSON в начале каждого запуска обучения и конвертирует аннотации в памяти. Используй convert_coco() когда нужны постоянные метки в формате YOLO; используй этот подход, чтобы оставить COCO JSON единственным источником истины без генерации лишних файлов.
Может ли YOLO обучаться на COCO JSON без кастомного кода?
Не в текущем конвейере Ultralytics, который по умолчанию ожидает метки YOLO .txt. Это руководство предоставляет минимально необходимый кастомный код — один класс датасета и один класс тренера. После их определения обучение требует только стандартного model.train() вызова.
Поддерживаются ли сегментация и оценка поз?
Это руководство охватывает обнаружения объектов. Чтобы добавить поддержку instance segmentation, включи данные segmentation полигонов из аннотаций COCO в поле segments каждого словаря меток. Для , оценку позы, включи keypoints. Символ GroundingDataset исходному коду предоставляет эталонную реализацию для обработки сегментов.
Работают ли аугментации с этим кастомным датасетом?
Да. COCODataset расширяет YOLODataset, поэтому все встроенные С SDK Ultralytics обучение моделей исключительно просто. Система автоматически обрабатывает сложные — mosaic, mixup, copy-paste, и другие — работают без изменений.
Как ID категорий отображаются на индексы классов?
Категории сортируются по id и отображаются на последовательные индексы, начиная с 0. Это обрабатывает 1-базированные ID (стандарт COCO), 0-базированные ID и неконтигуальные ID. Словарь names в dataset.yaml должен следовать тому же отсортированному порядку, что и массив COCO categories.
Есть ли штраф к производительности по сравнению с предконвертированными метками?
COCO JSON парсится один раз при первом запуске обучения. Распарсенные метки сохраняются в .cache файл, поэтому последующие запуски загружаются мгновенно без повторного парсинга. Скорость обучения идентична стандартному обучению YOLO, так как аннотации хранятся в оперативной памяти. Кэш автоматически перестраивается при изменении файла JSON.