跳转至内容

COCO-Seg 数据集

COCO-Seg 数据集是 COCO(Common Objects in Context)数据集的扩展,专门用于帮助研究对象实例分割。它使用与 COCO 相同的图像,但引入了更详细的分割注释。该数据集是从事实例分割任务的研究人员和开发人员的关键资源,特别是用于训练 Ultralytics YOLO 模型。

COCO-Seg 预训练模型

模型 尺寸
(像素)
mAPbox
50-95
mAPmask
50-95
速度
CPU ONNX
(毫秒)
速度
T4 TensorRT10
(毫秒)
参数
(M)
FLOPs
(B)
YOLO11n-seg 640 38.9 32.0 65.9 ± 1.1 1.8 ± 0.0 2.9 10.4
YOLO11s-seg 640 46.6 37.8 117.6 ± 4.9 2.9 ± 0.0 10.1 35.5
YOLO11m-seg 640 51.5 41.5 281.6 ± 1.2 6.3 ± 0.1 22.4 123.3
YOLO11l-seg 640 53.4 42.9 344.2 ± 3.2 7.8 ± 0.2 27.6 142.2
YOLO11x-seg 640 54.7 43.8 664.5 ± 3.2 15.8 ± 0.7 62.1 319.0

主要功能

  • COCO-Seg 保留了 COCO 中原始的 33 万张图像。
  • 该数据集包含与原始 COCO 数据集中相同的 80 个对象类别。
  • 现在,标注包括图像中每个对象更详细的实例分割掩码。
  • COCO-Seg 提供了标准化的评估指标,如用于对象检测的平均精度均值 (mAP) 和用于实例分割任务的平均召回率均值 (mAR),从而能够有效地比较模型性能。

数据集结构

COCO-Seg 数据集被划分为三个子集:

  1. Train2017:此子集包含 11.8 万张图像,用于训练实例分割模型。
  2. Val2017:此子集包含 5000 张图像,用于模型训练期间的验证。
  3. Test2017:此子集包含 2 万张图像,用于测试和评估训练后的模型。此子集的 Ground Truth 标注不公开提供,结果将提交到 COCO 评估服务器进行性能评估。

应用

COCO-Seg 广泛用于训练和评估实例分割中的深度学习模型,例如 YOLO 模型。大量的带注释图像、对象类别的多样性以及标准化的评估指标使其成为计算机视觉研究人员和从业人员不可或缺的资源。

数据集 YAML

YAML(Yet Another Markup Language)文件用于定义数据集配置。它包含有关数据集路径、类和其他相关信息。对于 COCO-Seg 数据集, coco.yaml 文件保存在 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml.

ultralytics/cfg/datasets/coco.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/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: 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 pathlib import Path

  from ultralytics.utils.downloads import download

  # 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)

用法

要在 COCO-Seg 数据集上训练 YOLO11n-seg 模型 100 个 epochs,图像大小为 640,可以使用以下代码片段。有关可用参数的完整列表,请参阅模型训练页面。

训练示例

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

Sample Images 和注释

COCO-Seg 像其前身 COCO 一样,包含各种对象类别和复杂场景的多样化图像集。但是,COCO-Seg 为图像中的每个对象引入了更详细的实例分割掩码。以下是数据集中图像的一些示例,以及它们对应的实例分割掩码:

数据集样本图像

  • 马赛克图像: 此图像展示了一个由马赛克数据集图像组成的训练批次。马赛克处理是一种在训练期间使用的技术,它将多个图像组合成一个图像,以增加每个训练批次中对象和场景的多样性。这有助于模型泛化到不同的对象大小、纵横比和上下文。

该示例展示了COCO-Seg数据集中图像的多样性和复杂性,以及在训练过程中使用图像拼接的优势。

引用和致谢

如果在您的研究或开发工作中使用COCO-Seg数据集,请引用原始COCO论文,并注明对COCO-Seg的扩展:

@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}
}

我们感谢 COCO Consortium 创建和维护这个对计算机视觉社区来说非常宝贵的资源。有关 COCO 数据集及其创建者的更多信息,请访问 COCO 数据集网站

常见问题

什么是 COCO-Seg 数据集?它与原始 COCO 数据集有何不同?

COCO-Seg 数据集是原始 COCO(Common Objects in Context)数据集的扩展,专门为实例分割任务而设计。虽然它使用与 COCO 数据集相同的图像,但 COCO-Seg 包含更详细的分割注释,使其成为专注于对象实例分割的研究人员和开发人员的强大资源。

如何使用 COCO-Seg 数据集训练 YOLO11 模型?

要在COCO-Seg数据集上训练YOLO11n-seg模型100个epoch,图像大小为640,您可以使用以下代码片段。 有关可用参数的详细列表,请参阅模型训练页面。

训练示例

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

COCO-Seg 数据集的主要特点是什么?

COCO-Seg 数据集包括几个关键特性:

  • 保留来自COCO数据集的原始330K图像。
  • 注释与原始COCO中相同的80个对象类别。
  • 为每个对象提供更详细的实例分割掩码。
  • 使用标准化评估指标,例如平均精度(mAP),用于对象检测,平均召回率(mAR)用于实例分割任务。

COCO-Seg 有哪些可用的预训练模型?它们的性能指标是什么?

COCO-Seg 数据集支持多个具有不同性能指标的预训练 YOLO11 分割模型。以下是可用模型及其关键指标的摘要:

模型 尺寸
(像素)
mAPbox
50-95
mAPmask
50-95
速度
CPU ONNX
(毫秒)
速度
T4 TensorRT10
(毫秒)
参数
(M)
FLOPs
(B)
YOLO11n-seg 640 38.9 32.0 65.9 ± 1.1 1.8 ± 0.0 2.9 10.4
YOLO11s-seg 640 46.6 37.8 117.6 ± 4.9 2.9 ± 0.0 10.1 35.5
YOLO11m-seg 640 51.5 41.5 281.6 ± 1.2 6.3 ± 0.1 22.4 123.3
YOLO11l-seg 640 53.4 42.9 344.2 ± 3.2 7.8 ± 0.2 27.6 142.2
YOLO11x-seg 640 54.7 43.8 664.5 ± 3.2 15.8 ± 0.7 62.1 319.0

这些模型的范围从轻量级的 YOLO11n-seg 到更强大的 YOLO11x-seg,在速度和精度之间提供不同的权衡,以适应各种应用需求。有关模型选择的更多信息,请访问 Ultralytics 模型页面

COCO-Seg 数据集的结构如何?它包含哪些子集?

COCO-Seg 数据集被划分为三个子集,以满足特定的训练和评估需求:

  1. Train2017:包含118K图像,主要用于训练实例分割模型。
  2. Val2017:包含5K图像,用于训练过程中的验证。
  3. Test2017:包含20K图像,保留用于测试和评估训练后的模型。 请注意,此子集的Ground Truth注释不可公开获得,并且性能结果将提交到COCO评估服务器进行评估。

对于较小规模的实验需求,您还可以考虑使用 COCO8-seg 数据集,这是一个精简版本,仅包含 COCO train 2017 数据集中的 8 张图像。



📅 创建于 1 年前 ✏️ 更新于 5 个月前

评论