Link to this sectionBộ dữ liệu COCO12-Formats#

Link to this sectionGiới thiệu#

Bộ dữ liệu Ultralytics COCO12-Formats là một bộ dữ liệu thử nghiệm chuyên dụng được thiết kế để xác thực quá trình tải hình ảnh qua 12 phần mở rộng định dạng hình ảnh được hỗ trợ. Nó chứa 12 hình ảnh (6 cho huấn luyện, 6 cho xác thực), mỗi hình ảnh được lưu ở một định dạng khác nhau để đảm bảo kiểm thử toàn diện quy trình tải hình ảnh.

Bộ dữ liệu này vô cùng giá trị cho:

Kiểm thử hỗ trợ định dạng hình ảnh: Xác minh rằng các định dạng hình ảnh phổ biến được tải chính xác
Các quy trình CI/CD: Kiểm thử tự động khả năng tương thích định dạng
Gỡ lỗi: Cô lập các vấn đề cụ thể của định dạng trong các quy trình huấn luyện
Phát triển: Xác thực các bổ sung hoặc thay đổi định dạng mới

Link to this sectionCác định dạng được hỗ trợ#

Bộ dữ liệu bao gồm một hình 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	Huấn luyện/Xác thực
AVIF	`.avif`	AV1 Image File Format (hiện đại)	Huấn luyện (Train)
BMP	`.bmp`	Bitmap - định dạng raster không nén	Huấn luyện (Train)
DNG	`.dng`	Digital Negative - định dạng RAW của Adobe	Huấn luyện (Train)
HEIC	`.heic`	High Efficiency Image Coding	Huấn luyện (Train)
JPEG	`.jpeg`	JPEG với phần mở rộng đầy đủ	Huấn luyện (Train)
JPG	`.jpg`	JPEG với phần mở rộng ngắn	Huấn luyện (Train)
JP2	`.jp2`	JPEG 2000 - y tế/địa không gian	Val
MPO	`.mpo`	Multi-Picture Object (hình ảnh stereo)	Val
PNG	`.png`	Portable Network Graphics	Val
TIF	`.tif`	TIFF với phần mở rộng ngắn	Val
TIFF	`.tiff`	Tagged Image File Format	Val
WebP	`.webp`	Định dạng hình ảnh web hiện đại	Val

Link to this sectionCấu 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

Link to this sectionYAML tập dữ liệu#

Bộ dữ liệu COCO12-Formats được cấu hình bằng một tệp YAML xác định 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

Link to this sectionYêu cầu#

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

pip install pillow pillow-heif pillow-avif-plugin

Link to this sectionThư viện hệ thống AVIF (Tùy chọn)#

Để OpenCV đọc trực tiếp các tệp AVIF, libavif phải được cài đặt 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 được dựng sẵn. Ultralytics sử dụng Pillow với pillow-avif-plugin làm phương án dự phòng cho hình ảnh AVIF khi OpenCV thiếu hỗ trợ.

Link to this sectionCách sử dụng#

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

Ví dụ về Training

from ultralytics import YOLO

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

# Train on COCO12-Formats to test 12 supported image formats
results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=640)

Link to this sectionGhi chú cụ thể theo định dạng#

Link to this sectionAVIF (AV1 Image File Format)#

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

pip install pillow-avif-plugin

Link to this sectionDNG (Digital Negative)#

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

Link to this sectionJP2 (JPEG 2000)#

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

Link to this sectionMPO (Multi-Picture Object)#

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

Link to this sectionHEIC (High Efficiency Image Coding)#

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

pip install pillow-heif

Link to this sectionCác trường hợp sử dụng#

Link to this sectionKiểm thử CI/CD#

from ultralytics import YOLO

def test_image_formats():
    """Test that 12 supported image formats load correctly."""
    model = YOLO("yolo26n.pt")
    results = model.train(data="coco12-formats.yaml", epochs=1, imgsz=64)
    assert results is not None

Link to this sectionXác thực định dạng#

from pathlib import Path

from ultralytics.data.utils import IMG_FORMATS

# Verify all dataset formats are supported
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"Unsupported formats: {found_formats - IMG_FORMATS}"

Link to this sectionTrích 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}
}

Link to this sectionCâu hỏi thường gặp#