COCO8-Grayscale Veri Kümesi#

8

coco8 grayscale

ultralytics

publicDetect

COCO8 Grayscale is a monochrome derivative of the eight-image COCO smoke-test set for validating single-channel detection pipelines. It uses four training and four validation images with real object boxes and generic class IDs as a compact format utility.

76 classes789.4 KBSep 2, 2026

class0class1class2class3+72

Giriş#

Ultralytics COCO8-Grayscale veri kümesi, COCO train 2017 kümesindeki ilk 8 görüntünün gri tonlamalı biçime dönüştürülmüş hâlinden (4'ü eğitim, 4'ü doğrulama için) oluşan küçük ama güçlü bir nesne algılama veri kümesidir. Bu veri kümesi, YOLO gri tonlamalı modellerini ve eğitim işlem hatlarını hızlıca test etmek, hata ayıklamak ve denemeler yapmak için özel olarak tasarlanmıştır. Küçük boyutu yönetimini kolaylaştırırken çeşitliliği, daha büyük veri kümelerine geçmeden önce etkili bir ön kontrol işlevi görmesini sağlar.

Veri Kümesi Yapısı#

COCO8-Grayscale, COCO train 2017 kümesindeki ilk 8 görüntüden oluşan COCO8 veri kümesini temel alır; görüntüler 4'ü eğitim, 4'ü doğrulama için olacak şekilde ayrılmış ve 80 COCO sınıf adıyla etiketlenmiştir. Ancak her görüntü, YOLO etiket biçiminde tek kanallı (channels: 1) gri tonlamalı bir görüntü olarak saklanır:

coco8-grayscale/
├── images/
│   ├── train/   # 4 images
│   └── val/     # 4 images
└── labels/
    ├── train/
    └── val/

Her görüntüyü açıklama katmanlarıyla incelemek, Charts sekmesinde sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını görüntülemek ve kendi modelini bulutta eğitmek üzere klonlamak için Ultralytics Platform'daki COCO8-Grayscale'i keşfet.

Veri Kümesi YAML Dosyası#

COCO8-Grayscale veri kümesi yapılandırması; veri kümesi yollarını, sınıf adlarını ve diğer temel meta verileri belirten bir YAML dosyasında tanımlanır. Resmî coco8-grayscale.yaml dosyasını Ultralytics GitHub deposunda inceleyebilirsin.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# COCO8-Grayscale dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco8-grayscale
# Example usage: yolo train data=coco8-grayscale.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8-grayscale ← downloads here (1 MB)

# 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: coco8-grayscale # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

channels: 1

# 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: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8-grayscale.zip

Kullanım#

COCO8-Grayscale veri kümesi (1 MB), eğitimi ilk başlattığında otomatik olarak indirilir. COCO8-Grayscale üzerinde 640 görüntü boyutuyla 100 epoch boyunca bir YOLO26n modelini eğitmek için aşağıdaki örnekleri kullan. Eğitim seçeneklerinin tamamı için YOLO Eğitim belgelerine bak.

from ultralytics import YOLO

# Önceden eğitilmiş bir YOLO26n modeli yükle
model = YOLO("yolo26n.pt")

# Modeli COCO8-Grayscale üzerinde eğit
results = model.train(data="coco8-grayscale.yaml", epochs=100, imgsz=640)

Örnek Görüntüler ve Ek Açıklamalar#

Aşağıda COCO8-Grayscale veri kümesinden mozaiklenmiş bir eğitim grubu örneği yer alıyor:

• Mozaik Görüntü: Bu görüntü, mozaik artırımı kullanılarak birden fazla veri kümesi görüntüsünün birleştirildiği bir eğitim grubunu gösterir. Mozaik artırımı her gruptaki nesne ve sahne çeşitliliğini artırır ve modelin farklı nesne boyutlarına, en-boy oranlarına ve arka planlara daha iyi genelleme yapmasına yardımcı olur.

Bu teknik, eğitim sırasında her görüntünün değerini en üst düzeye çıkardığı için COCO8-Grayscale gibi küçük veri kümelerinde özellikle yararlıdır.

Atıflar ve Teşekkürler#

COCO veri kümesini araştırma veya geliştirme çalışmalarında kullanıyorsan lütfen aşağıdaki makaleye atıfta bulun:

@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}
}

Bilgisayarlı görü topluluğuna süregelen katkıları için COCO Konsorsiyumuna ve bilgisayarlı görü topluluğuna özel teşekkürler.

Sık Sorulan Sorular#