Tập dữ liệu COCO-SEG

Bộ dữ liệu COCO-Seg , một phần mở rộng của bộ dữ liệu COCO (Common Objects in Context), được thiết kế đặc biệt để hỗ trợ nghiên cứu về phân đoạn thể hiện đối tượng. Nó sử dụng cùng hình ảnh như COCO nhưng giới thiệu các chú thích phân đoạn chi tiết hơn. Bộ dữ liệu này là một nguồn tài nguyên quan trọng cho các nhà nghiên cứu và nhà phát triển làm việc trên các nhiệm vụ phân đoạn thể hiện, đặc biệt là để đào tạo YOLO mô hình.

Mô hình đào tạo sẵn COCO-SEG

Mẫu	kích thước ^{(điểm ảnh)}	bản đồ^hộp 50-95	bản đồ^{mặt nạ 50-95}	Tốc độ ^{CPU ONNX (Cô)}	Tốc độ ^{T4 TensorRT10 (bệnh đa xơ cứng)}	Params ^(M)	Thất bại ^(B)
YOLO11n-phân đoạn	640	38.9	32.0	65,9 ± 1,1	1,8 ± 0,0	2.9	10.4
YOLO11s-phân đoạn	640	46.6	37.8	117,6 ± 4,9	2,9 ± 0,0	10.1	35.5
YOLO11m-đoạn	640	51.5	41.5	281,6 ± 1,2	6,3 ± 0,1	22.4	123.3
YOLO11l-phân đoạn	640	53.4	42.9	344,2 ± 3,2	7,8 ± 0,2	27.6	142.2
YOLO11x-phân đoạn	640	54.7	43.8	664,5 ± 3,2	15,8 ± 0,7	62.1	319.0

Các tính năng chính

COCO-Seg giữ lại hình ảnh 330K gốc từ COCO.
Tập dữ liệu bao gồm 80 loại đối tượng giống nhau được tìm thấy trong tập dữ liệu COCO gốc.
Chú thích bây giờ bao gồm các mặt nạ phân đoạn phiên bản chi tiết hơn cho từng đối tượng trong hình ảnh.
COCO-Seg cung cấp các số liệu đánh giá chuẩn hóa như Độ chính xác trung bình (mAP) để phát hiện đối tượng và Độ thu hồi trung bình (mAR) cho các tác vụ phân đoạn ví dụ, cho phép so sánh hiệu suất của mô hình một cách hiệu quả.

Cấu trúc tập dữ liệu

Tập dữ liệu COCO-Seg được phân vùng thành ba tập con:

Train2017: Tập hợp con này chứa 118K hình ảnh cho các mô hình phân đoạn phiên bản đào tạo.
Val2017: Tập hợp con này bao gồm hình ảnh 5K được sử dụng cho mục đích xác thực trong quá trình đào tạo mô hình.
Test2017: Tập hợp con này bao gồm 20K hình ảnh được sử dụng để kiểm tra và đo điểm chuẩn cho các mô hình được đào tạo. Chú thích sự thật cơ bản cho tập hợp con này không có sẵn công khai và kết quả được gửi đến máy chủ đánh giá COCO để đánh giá hiệu suất.

Ứng dụng

COCO-Seg được sử dụng rộng rãi để đào tạo và đánh giá các mô hình học sâu trong phân đoạn trường hợp, chẳng hạn như YOLO mô hình. Số lượng lớn hình ảnh có chú thích, sự đa dạng của các danh mục đối tượng và các số liệu đánh giá chuẩn hóa làm cho nó trở thành nguồn tài nguyên không thể thiếu đối với các nhà nghiên cứu và học viên về thị giác máy tính.

Tập dữ liệu YAML

Tệp YAML (Yet Another Markup Language) được sử dụng để xác định cấu hình tập dữ liệu. Nó chứa thông tin về đường dẫn, lớp và thông tin liên quan khác của tập dữ liệu. Trong trường hợp tập dữ liệu COCO-Seg, coco.yaml Tệp được duy trì tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml.

ultralytics/cfg/datasets/coco.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 license
# COCO 2017 dataset https://cocodataset.org by Microsoft
# Documentation: https://docs.ultralytics.com/datasets/detect/coco/
# Example usage: yolo train data=coco.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco  ← downloads here (20.1 GB)

# 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: ../datasets/coco # dataset root dir
train: train2017.txt # train images (relative to 'path') 118287 images
val: val2017.txt # val images (relative to 'path') 5000 images
test: test-dev2017.txt # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# 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: |
  from ultralytics.utils.downloads import download
  from pathlib import Path

  # Download labels
  segments = True  # segment or box labels
  dir = Path(yaml['path'])  # dataset root dir
  url = 'https://github.com/ultralytics/assets/releases/download/v0.0.0/'
  urls = [url + ('coco2017labels-segments.zip' if segments else 'coco2017labels.zip')]  # labels
  download(urls, dir=dir.parent)
  # Download data
  urls = ['http://images.cocodataset.org/zips/train2017.zip',  # 19G, 118k images
          'http://images.cocodataset.org/zips/val2017.zip',  # 1G, 5k images
          'http://images.cocodataset.org/zips/test2017.zip']  # 7G, 41k images (optional)
  download(urls, dir=dir / 'images', threads=3)

Sử dụng

Để đào tạo mô hình YOLO11n-seg trên tập dữ liệu COCO-Seg trong 100 kỷ nguyên với kích thước hình ảnh là 640, bạn có thể sử dụng các đoạn mã sau. Để biết danh sách đầy đủ các đối số khả dụng, hãy tham khảo trang Đào tạo mô hình.

Ví dụ về tàu hỏa

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco-seg.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=coco-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

Hình ảnh mẫu và chú thích

COCO-Seg, giống như người tiền nhiệm COCO, chứa một bộ hình ảnh đa dạng với nhiều loại đối tượng khác nhau và các cảnh phức tạp. Tuy nhiên, COCO-Seg giới thiệu mặt nạ phân đoạn phiên bản chi tiết hơn cho từng đối tượng trong hình ảnh. Dưới đây là một số ví dụ về hình ảnh từ tập dữ liệu, cùng với mặt nạ phân đoạn phiên bản tương ứng của chúng:

Hình ảnh mẫu tập dữ liệu

Hình ảnh khảm: Hình ảnh này thể hiện một lô đào tạo bao gồm các hình ảnh tập dữ liệu được khảm. Khảm là một kỹ thuật được sử dụng trong quá trình đào tạo kết hợp nhiều hình ảnh thành một hình ảnh duy nhất để tăng sự đa dạng của các đối tượng và cảnh trong mỗi đợt đào tạo. Điều này hỗ trợ khả năng khái quát hóa của mô hình cho các kích thước đối tượng, tỷ lệ khung hình và bối cảnh khác nhau.

Ví dụ này cho thấy sự đa dạng và phức tạp của hình ảnh trong tập dữ liệu COCO-Seg và lợi ích của việc sử dụng khảm trong quá trình đào tạo.

Trích dẫn và xác nhận

Nếu bạn sử dụng bộ dữ liệu COCO-Seg trong công việc nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn bài báo gốc của COCO và xác nhận phần mở rộng cho COCO-Seg:

BibTeX

@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}
}

Chúng tôi xin gửi lời cảm ơn đến COCO Consortium vì đã tạo ra và duy trì nguồn tài nguyên vô giá này cho cộng đồng thị giác máy tính . Để biết thêm thông tin về tập dữ liệu COCO và những người tạo ra nó, hãy truy cập trang web tập dữ liệu COCO .

FAQ

Tập dữ liệu COCO-Seg là gì và nó khác với tập dữ liệu COCO ban đầu như thế nào?

Tập dữ liệu COCO-Seg là một phần mở rộng của tập dữ liệu COCO (Common Objects in Context) ban đầu, được thiết kế đặc biệt cho các tác vụ phân đoạn phiên bản. Mặc dù nó sử dụng các hình ảnh giống như tập dữ liệu COCO, COCO-Seg bao gồm các chú thích phân đoạn chi tiết hơn, làm cho nó trở thành một nguồn tài nguyên mạnh mẽ cho các nhà nghiên cứu và nhà phát triển tập trung vào phân đoạn đối tượng.

Làm thế nào tôi có thể đào tạo mô hình YOLO11 bằng bộ dữ liệu COCO-Seg?

Để đào tạo mô hình YOLO11n-seg trên tập dữ liệu COCO-Seg trong 100 kỷ nguyên với kích thước hình ảnh là 640, bạn có thể sử dụng các đoạn mã sau. Để biết danh sách chi tiết các đối số khả dụng, hãy tham khảo trang Đào tạo mô hình.

Ví dụ về tàu hỏa

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco-seg.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo segment train data=coco-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

Các tính năng chính của tập dữ liệu COCO-Seg là gì?

Bộ dữ liệu COCO-Seg bao gồm một số tính năng chính:

Giữ lại hình ảnh 330K gốc từ tập dữ liệu COCO.
Chú thích 80 loại đối tượng tương tự được tìm thấy trong COCO gốc.
Cung cấp mặt nạ phân đoạn phiên bản chi tiết hơn cho từng đối tượng.
Sử dụng các số liệu đánh giá chuẩn hóa như Độ chính xác trung bình (mAP) để phát hiện đối tượng và Thu hồi trung bình (mAR) cho các tác vụ phân đoạn ví dụ.

Những mô hình được đào tạo trước nào có sẵn cho COCO-Seg và số liệu hiệu suất của chúng là gì?

Bộ dữ liệu COCO-Seg hỗ trợ nhiều mô hình phân đoạn YOLO11 được đào tạo trước với các số liệu hiệu suất khác nhau. Sau đây là tóm tắt về các mô hình có sẵn và các số liệu chính của chúng:

Mẫu	kích thước ^{(điểm ảnh)}	bản đồ^hộp 50-95	bản đồ^{mặt nạ 50-95}	Tốc độ ^{CPU ONNX (Cô)}	Tốc độ ^{T4 TensorRT10 (bệnh đa xơ cứng)}	Params ^(M)	Thất bại ^(B)
YOLO11n-phân đoạn	640	38.9	32.0	65,9 ± 1,1	1,8 ± 0,0	2.9	10.4
YOLO11s-phân đoạn	640	46.6	37.8	117,6 ± 4,9	2,9 ± 0,0	10.1	35.5
YOLO11m-đoạn	640	51.5	41.5	281,6 ± 1,2	6,3 ± 0,1	22.4	123.3
YOLO11l-phân đoạn	640	53.4	42.9	344,2 ± 3,2	7,8 ± 0,2	27.6	142.2
YOLO11x-phân đoạn	640	54.7	43.8	664,5 ± 3,2	15,8 ± 0,7	62.1	319.0

Tập dữ liệu COCO-Seg được cấu trúc như thế nào và nó chứa những tập con nào?

Bộ dữ liệu COCO-Seg được phân chia thành ba tập hợp con cho các nhu cầu đào tạo và đánh giá cụ thể:

Train2017: Chứa 118K hình ảnh được sử dụng chủ yếu cho các mô hình phân đoạn phiên bản đào tạo.
Val2017: Bao gồm hình ảnh 5K được sử dụng để xác nhận trong quá trình đào tạo.
Test2017: Bao gồm 20K hình ảnh dành riêng cho việc thử nghiệm và đo điểm chuẩn cho các mô hình được đào tạo. Lưu ý rằng các chú thích sự thật cơ bản cho tập hợp con này không có sẵn công khai và kết quả hiệu suất được gửi đến máy chủ đánh giá COCO để đánh giá.

📅 Được tạo ra cách đây 1 năm ✏️ Đã cập nhật cách đây 1 tháng