Bộ dữ liệu COCO12-Formats

Giới thiệu

Bộ dữ liệu COCO12-Formats của Ultralytics là bộ dữ liệu kiểm thử chuyên biệt được thiết kế để xác thực quá trình tải ảnh trên tất cả 12 định dạng tệp ảnh được hỗ trợ. Bộ dữ liệu chứa 12 ảnh (6 ảnh để huấn luyện, 6 ảnh để kiểm chứng), mỗi ảnh được lưu ở một định dạng khác nhau để đảm bảo kiểm thử toàn diện cho đường ống tải ảnh.

Bộ dữ liệu này rất hữu ích cho:

Kiểm thử khả năng hỗ trợ định dạng ảnh: Xác minh rằng tất cả các định dạng được hỗ trợ đều tải đúng cách
Đường ống CI/CD: Kiểm thử tự động khả năng tương thích định dạng
Gỡ lỗi (Debugging): Cô lập các vấn đề cụ thể của định dạng trong các đường ống huấn luyện
Phát triển: Xác thực việc bổ sung hoặc thay đổi định dạng mới

Các định dạng được hỗ trợ

Bộ dữ liệu bao gồm một ảnh cho mỗi định dạng trong số 12 phần mở rộng định dạng được hỗ trợ, được định nghĩa trong ultralytics/data/utils.py:

Định dạng	Phần mở rộng	Mô tả	Train/Val
AVIF	`.avif`	Định dạng tệp ảnh AV1 (hiện đại)	Train
BMP	`.bmp`	Bitmap - định dạng raster không nén	Train
DNG	`.dng`	Digital Negative - định dạng RAW của Adobe	Train
HEIC	`.heic`	High Efficiency Image Coding (Mã hóa ảnh hiệu suất cao)	Train
JPEG	`.jpeg`	JPEG với phần mở rộng đầy đủ	Train
JPG	`.jpg`	JPEG với phần mở rộng rút gọn	Train
JP2	`.jp2`	JPEG 2000 - y tế/địa không gian	Val
MPO	`.mpo`	Multi-Picture Object (ảnh nổi 3D)	Val
PNG	`.png`	Portable Network Graphics	Val
TIF	`.tif`	TIFF với phần mở rộng rút gọn	Val
TIFF	`.tiff`	Tagged Image File Format	Val
WebP	`.webp`	Định dạng ảnh web hiện đại	Val

Cấu trúc tập dữ liệu

coco12-formats/
├── images/
│   ├── train/          # 6 images (avif, bmp, dng, heic, jpeg, jpg)
│   └── val/            # 6 images (jp2, mpo, png, tif, tiff, webp)
├── labels/
│   ├── train/          # Corresponding YOLO format labels
│   └── val/
└── coco12-formats.yaml # Dataset configuration

Dataset YAML

Bộ dữ liệu COCO12-Formats được cấu hình bằng tệp YAML định nghĩa các đường dẫn bộ dữ liệu và tên lớp. Bạn có thể xem tệp coco12-formats.yaml chính thức trong kho lưu trữ GitHub của Ultralytics.

ultralytics/cfg/datasets/coco12-formats.yaml

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

# COCO12-Formats dataset (12 images testing all supported image formats) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco12-formats/
# Example usage: yolo train data=coco12-formats.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco12-formats ← 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: coco12-formats # dataset root dir
train: images/train # train images (relative to 'path') 6 images
val: images/val # val images (relative to 'path') 6 images
test: # test images (optional)

# 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/coco12-formats.zip

Yêu cầu

Một số định dạng yêu cầu các phụ thuộc bổ sung:

pip install pillow pillow-heif pillow-avif-plugin

Thư viện hệ thống AVIF (Tùy chọn)

Để OpenCV đọc trực tiếp các tệp AVIF, cần cài đặt libavif trước khi xây dựng OpenCV:

brew install libavif

Lưu ý

Gói opencv-python được cài đặt qua pip có thể không bao gồm hỗ trợ AVIF vì nó đã được xây dựng sẵn. Ultralytics sử dụng Pillow với pillow-avif-plugin như một phương án dự phòng cho các ảnh AVIF khi OpenCV thiếu hỗ trợ.

Cách sử dụng

Để huấn luyện mô hình YOLO trên bộ dữ liệu COCO12-Formats, hãy sử dụng các ví dụ sau:

Ví dụ huấn luyện

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Train on COCO12-Formats to test all image formats
results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=640)

Ghi chú cụ thể theo định dạng

AVIF (Định dạng tệp ảnh AV1)

AVIF là một định dạng ảnh hiện đại dựa trên codec video AV1, mang lại khả năng nén tuyệt vời. Yêu cầu pillow-avif-plugin:

pip install pillow-avif-plugin

DNG (Digital Negative)

DNG là định dạng RAW mở của Adobe dựa trên TIFF. Để phục vụ mục đích kiểm thử, bộ dữ liệu sử dụng các tệp dựa trên TIFF với phần mở rộng .dng.

JP2 (JPEG 2000)

JPEG 2000 là tiêu chuẩn nén ảnh dựa trên wavelet, cung cấp khả năng nén và chất lượng tốt hơn so với JPEG truyền thống. Thường được sử dụng trong chẩn đoán hình ảnh y tế (DICOM), các ứng dụng địa không gian và điện ảnh kỹ thuật số. Được hỗ trợ nguyên bản bởi cả OpenCV và Pillow.

MPO (Multi-Picture Object)

Các tệp MPO được sử dụng cho ảnh lập thể (3D). Bộ dữ liệu lưu trữ dữ liệu JPEG tiêu chuẩn với phần mở rộng .mpo để kiểm thử định dạng.

HEIC (Mã hóa ảnh hiệu suất cao)

HEIC yêu cầu gói pillow-heif để mã hóa đúng cách:

pip install pillow-heif

Các trường hợp sử dụng

Kiểm thử CI/CD

from ultralytics import YOLO

def test_all_image_formats():
    """Test that all image formats load correctly."""
    model = YOLO("yolo26n.pt")
    results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=64)
    assert results is not None

Xác thực định dạng

from pathlib import Path

from ultralytics.data.utils import IMG_FORMATS

# Verify all formats are represented
dataset_dir = Path("datasets/coco12-formats/images")
found_formats = {f.suffix[1:].lower() for f in dataset_dir.rglob("*.*")}
assert found_formats == IMG_FORMATS, f"Missing formats: {IMG_FORMATS - found_formats}"

Trích dẫn và Ghi nhận

Nếu bạn sử dụng bộ dữ liệu COCO trong nghiên cứu của mình, vui lòng trích dẫn:

Trích dẫn

@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 Doll{\'a}r},
      year={2015},
      eprint={1405.0312},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Câu hỏi thường gặp (FAQ)