Tập dữ liệu COCO8-Grayscale#

8

coco8 grayscale

ultralytics

publicDetect

Grayscale object detection dataset featuring diverse scenes including wildlife, household items, food, and people in varied indoor and outdoor environments.

76 classes789.4 KBAug 22, 2026

class0class1class2class3+72

Giới thiệu#

Dataset Ultralytics COCO8-Grayscale là một dataset object detection nhỏ gọn nhưng mạnh mẽ, bao gồm 8 hình ảnh đầu tiên từ tập COCO train 2017 và được chuyển đổi sang định dạng ảnh xám—4 ảnh cho huấn luyện và 4 ảnh cho xác thực. Dataset này được thiết kế đặc biệt để kiểm thử, gỡ lỗi và thử nghiệm nhanh với các mô hình ảnh xám và pipeline huấn luyện YOLO. Kích thước nhỏ giúp dễ dàng quản lý, trong khi sự đa dạng của nó đảm bảo đây là một bước kiểm tra độ hợp lệ hiệu quả trước khi mở rộng quy mô lên các dataset lớn hơn.

Cấu trúc tập dữ liệu#

COCO8-Grayscale phản ánh COCO8—8 hình ảnh đầu tiên từ tập COCO train 2017, được chia thành 4 ảnh để huấn luyện và 4 ảnh để xác thực trên toàn bộ 80 lớp đối tượng COCO—nhưng mỗi hình ảnh được lưu trữ dưới dạng ảnh xám một kênh (channels: 1) theo YOLO label format:

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

Khám phá COCO8-Grayscale on Ultralytics Platform để duyệt qua từng hình ảnh cùng với các lớp phủ chú thích của nó, xem phân phối lớp và bản đồ nhiệt bounding-box trong tab Charts, và nhân bản nó để huấn luyện mô hình của riêng bạn trên đám mây.

YAML tập dữ liệu#

Cấu hình dataset COCO8-Grayscale được định nghĩa trong một tệp YAML, trong đó chỉ định các đường dẫn dataset, tên lớp và các siêu dữ liệu thiết yếu khác. Bạn có thể xem lại tệp coco8-grayscale.yaml chính thức trong Ultralytics GitHub repository.

# 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

Cách sử dụng#

Dataset COCO8-Grayscale (1 MB) sẽ tự động tải xuống lần đầu tiên bạn bắt đầu huấn luyện. Để huấn luyện một mô hình YOLO26n trên COCO8-Grayscale trong 100 epochs với kích thước ảnh là 640, hãy sử dụng các ví dụ sau. Để có danh sách đầy đủ các tùy chọn huấn luyện, hãy xem YOLO Training documentation.

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Train the model on COCO8-Grayscale
results = model.train(data="coco8-grayscale.yaml", epochs=100, imgsz=640)

Hình ảnh mẫu và chú thích#

Dưới đây là một ví dụ về lô huấn luyện được ghép (mosaic) từ tập dữ liệu COCO8-Grayscale:

• Hình ảnh Mosaiced: Hình ảnh này minh họa một batch huấn luyện trong đó nhiều hình ảnh của tập dữ liệu được kết hợp bằng kỹ thuật tăng cường dữ liệu mosaic. Tăng cường mosaic làm tăng tính đa dạng của các đối tượng và khung cảnh trong mỗi batch, giúp mô hình tổng quát hóa tốt hơn với nhiều kích thước đối tượng, tỷ lệ khung hình và bối cảnh nền khác nhau.

Kỹ thuật này đặc biệt hữu ích cho các tập dữ liệu nhỏ như COCO8-Grayscale vì nó tối đa hóa giá trị của từng hình ảnh trong quá trình huấn luyện.

Trích dẫn và Ghi nhận#

Nếu bạn sử dụng tập dữ liệu COCO trong nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn bài báo sau:

@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}
}

Xin gửi lời cảm ơn đặc biệt đến COCO Consortium vì những đóng góp không ngừng của họ cho cộng đồng computer vision.

Câu hỏi thường gặp#