COCO8-Seg 数据集
介绍
Ultralytics COCO8-Seg 是一个规模虽小但功能完备的实例分割数据集，它由 COCO train 2017 数据集中的前 8 张图像组成，其中 4 张用于训练，4 张用于验证。该数据集非常适合测试和调试分割模型，或用于试验新的检测方法。它仅包含 8 张图像，既易于管理，又具备足够的多样性，足以测试训练流水线是否存在错误，并能在训练更大规模数据集之前进行完整性检查。
数据集结构
- 图像：总计 8 张（4 张训练 / 4 张验证）。
- 类别：80 个 COCO 类别。
- 标签：以 YOLO 格式存储的各图像对应的多边形标签，位于
labels/{train,val}目录下。
此数据集旨在与 Ultralytics Platform 和 YOLO26 配合使用。
数据集 YAML
YAML（Yet Another Markup Language）文件用于定义数据集配置。它包含了有关数据集路径、类别及其他相关信息。对于 COCO8-Seg 数据集，coco8-seg.yaml 文件托管在 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-seg.yaml。
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# COCO8-seg dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/coco8-seg/
# Example usage: yolo train data=coco8-seg.yaml
# parent
# ├── ultralytics
# └── datasets
# └── coco8-seg ← 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-seg # 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)
# 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-seg.zip使用方法
若要在 COCO8-Seg 数据集上训练 YOLO26n-seg 模型，并进行 100 个 epoch（图像大小为 640），你可以使用以下代码片段。有关可用参数的完整列表，请参考模型训练页面。
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-seg.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="coco8-seg.yaml", epochs=100, imgsz=640)样本图像和标注
以下是 COCO8-Seg 数据集中图像及其对应标注的一些示例：
- 马赛克图像：此图像展示了由马赛克数据集图像组成的训练批次。马赛克是一种在训练期间使用的技术，它将多张图像合并为单张图像，以增加每个训练批次中目标和场景的多样性。这有助于提高模型对不同目标尺寸、长宽比和上下文的泛化能力。
该示例展示了 COCO8-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马赛克增强（mosaicing）的好处。
引文与致谢
如果你在研究或开发工作中使用了 COCO 数据集，请引用以下论文：
@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 联盟为 计算机视觉 社区创建并维护了这一宝贵资源。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 (FAQ)
什么是 COCO8-Seg 数据集，它如何在 Ultralytics YOLO26 中使用？
COCO8-Seg 数据集是由 Ultralytics 提供的一个精简实例分割数据集，包含 COCO train 2017 数据集的前 8 张图像——4 张用于训练，4 张用于验证。该数据集专为测试和调试分割模型或试验新的检测方法而设计。它特别适用于配合 Ultralytics YOLO26 和 Platform 进行快速迭代，以及在扩展到更大规模数据集前进行流水线错误检查。有关详细用法，请参考模型训练页面。
我该如何使用 COCO8-Seg 数据集训练 YOLO26n-seg 模型？
若要在 COCO8-Seg 数据集上训练 YOLO26n-seg 模型并运行 100 个 epoch（图像大小 640），你可以使用 Python 或 CLI 命令。以下是一个简单的示例：
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-seg.pt") # Load a pretrained model (recommended for training)
# Train the model
results = model.train(data="coco8-seg.yaml", epochs=100, imgsz=640)有关可用参数和配置选项的详细说明，你可以查阅训练文档。
为什么 COCO8-Seg 数据集对于模型开发和调试很重要？
COCO8-Seg 数据集提供了包含 8 张图像的精简且多样化的集合，非常适合快速测试和调试分割模型或试验新的检测技术。其较小的规模允许进行快速的完整性检查和早期流水线验证，有助于在扩展到更大的数据集之前识别问题。在 Ultralytics 分割数据集指南中了解更多关于支持的数据集格式的信息。
在哪里可以找到 COCO8-Seg 数据集的 YAML 配置文件？
COCO8-Seg 数据集的 YAML 配置文件可在 Ultralytics 仓库中找到。你可以直接访问该文件：https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-seg.yaml。该 YAML 文件包含了模型训练和验证所需的数据集路径、类别和配置设置等核心信息。
在 COCO8-Seg 数据集上进行训练时，使用马赛克增强有哪些好处？
在训练过程中使用**马赛克增强（mosaicing）**有助于增加每个训练批次中对象和场景的多样性。该技术将多张图像组合成一张合成图像，增强了模型对场景中不同对象大小、长宽比和上下文的泛化能力。马赛克增强对于提高模型的鲁棒性和准确率非常有益，特别是在处理像 COCO8-Seg 这样的小型数据集时。有关马赛克图像的示例，请参阅示例图像和标注部分。