Ir para o conteúdo

Conjunto de Dados COCO

O conjunto de dados COCO (Common Objects in Context) é um conjunto de dados em larga escala para detecção, segmentação e legendagem de objetos. Ele foi projetado para incentivar a pesquisa em uma ampla variedade de categorias de objetos e é comumente usado para benchmarking de modelos de visão computacional. É um conjunto de dados essencial para pesquisadores e desenvolvedores que trabalham em tarefas de detecção de objetos, segmentação e estimativa de pose.



Assista: Visão Geral do Conjunto de Dados COCO da Ultralytics

Modelos COCO Pré-Treinados

Modelo tamanho
(pixels)		 mAPval
50-95		 Velocidade
CPU ONNX
(ms)		 Velocidade
T4 TensorRT10
(ms)		 parâmetros
(M)		 FLOPs
(B)
YOLO11n 640 39.5 56.1 ± 0.8 1.5 ± 0.0 2.6 6.5
YOLO11s 640 47.0 90.0 ± 1.2 2.5 ± 0.0 9.4 21.5
YOLO11m 640 51.5 183.2 ± 2.0 4.7 ± 0.1 20.1 68.0
YOLO11l 640 53.4 238.6 ± 1.4 6.2 ± 0.1 25.3 86.9
YOLO11x 640 54.7 462.8 ± 6.7 11.3 ± 0.2 56.9 194.9

Principais Características

  • O COCO contém 330 mil imagens, com 200 mil imagens com anotações para tarefas de detecção de objetos, segmentação e legendagem.
  • O conjunto de dados compreende 80 categorias de objetos, incluindo objetos comuns como carros, bicicletas e animais, bem como categorias mais específicas, como guarda-chuvas, bolsas e equipamentos esportivos.
  • As anotações incluem caixas delimitadoras de objetos, máscaras de segmentação e legendas para cada imagem.
  • O COCO fornece métricas de avaliação padronizadas, como Precisão Média Média (mAP) para detecção de objetos e Recall Médio Médio (mAR) para tarefas de segmentação, tornando-o adequado para comparar o desempenho do modelo.

Estrutura do Conjunto de Dados

O conjunto de dados COCO é dividido em três subconjuntos:

  1. Train2017: Este subconjunto contém 118 mil imagens para treinar modelos de detecção de objetos, segmentação e legendagem.
  2. Val2017: Este subconjunto tem 5 mil imagens usadas para fins de validação durante o treinamento do modelo.
  3. Test2017: Este subconjunto consiste em 20 mil imagens usadas para testar e avaliar os modelos treinados. As anotações de verdade básica para este subconjunto não estão disponíveis publicamente, e os resultados são submetidos ao servidor de avaliação COCO para avaliação de desempenho.

Aplicações

O dataset COCO é amplamente utilizado para treinar e avaliar modelos de aprendizado profundo em detecção de objetos (como Ultralytics YOLO, Faster R-CNN e SSD), segmentação de instâncias (como Mask R-CNN) e detecção de pontos-chave (como OpenPose). O conjunto diversificado de categorias de objetos do dataset, o grande número de imagens anotadas e as métricas de avaliação padronizadas o tornam um recurso essencial para pesquisadores e profissionais de visão computacional.

YAML do Conjunto de Dados

Um arquivo YAML (Yet Another Markup Language) é usado para definir a configuração do conjunto de dados. Ele contém informações sobre os caminhos, classes e outras informações relevantes do conjunto de dados. No caso do conjunto de dados COCO, o coco.yaml arquivo é mantido em 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)

Utilização

Para treinar um modelo YOLO11n no conjunto de dados COCO por 100 épocas com um tamanho de imagem de 640, você pode usar os seguintes trechos de código. Para obter uma lista completa dos argumentos disponíveis, consulte a página de Treinamento do modelo.

Exemplo de Treinamento

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.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 detect train data=coco.yaml model=yolo11n.pt epochs=100 imgsz=640

Amostras de Imagens e Anotações

O conjunto de dados COCO contém um conjunto diversificado de imagens com várias categorias de objetos e cenas complexas. Aqui estão alguns exemplos de imagens do conjunto de dados, juntamente com suas anotações correspondentes:

Imagem de amostra do conjunto de dados

  • Imagem em Mosaico: Esta imagem demonstra um lote de treinamento composto por imagens de conjunto de dados em mosaico. O mosaico é uma técnica usada durante o treinamento que combina várias imagens em uma única imagem para aumentar a variedade de objetos e cenas dentro de cada lote de treinamento. Isso ajuda a melhorar a capacidade do modelo de generalizar para diferentes tamanhos de objetos, proporções e contextos.

O exemplo mostra a variedade e a complexidade das imagens no conjunto de dados COCO e os benefícios de usar o mosaico durante o processo de treinamento.

Citações e Agradecimentos

Se você usar o conjunto de dados COCO em seu trabalho de pesquisa ou desenvolvimento, cite o seguinte artigo:

@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}
}

Gostaríamos de agradecer ao COCO Consortium por criar e manter este valioso recurso para a comunidade de visão computacional. Para obter mais informações sobre o conjunto de dados COCO e seus criadores, visite o site do conjunto de dados COCO.

FAQ

O que é o conjunto de dados COCO e por que ele é importante para a visão computacional?

O conjunto de dados COCO (Common Objects in Context) é um conjunto de dados em larga escala usado para detecção de objetos, segmentação e legendagem. Ele contém 330 mil imagens com anotações detalhadas para 80 categorias de objetos, tornando-o essencial para benchmarking e treinamento de modelos de visão computacional. Os pesquisadores usam o COCO devido às suas diversas categorias e métricas de avaliação padronizadas, como a Precisão Média Média (mAP).

Como posso treinar um modelo YOLO usando o conjunto de dados COCO?

Para treinar um modelo YOLO11 usando o conjunto de dados COCO, você pode usar os seguintes trechos de código:

Exemplo de Treinamento

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.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 detect train data=coco.yaml model=yolo11n.pt epochs=100 imgsz=640

Consulte a página de Treinamento para obter mais detalhes sobre os argumentos disponíveis.

Quais são os principais recursos do conjunto de dados COCO?

O conjunto de dados COCO inclui:

  • 330 mil imagens, com 200 mil anotadas para detecção de objetos, segmentação e legendagem.
  • 80 categorias de objetos, desde itens comuns como carros e animais até itens específicos como bolsas e equipamentos esportivos.
  • Métricas de avaliação padronizadas para detecção de objetos (mAP) e segmentação (Recall Médio Médio, mAR).
  • Técnica de Mosaico em lotes de treinamento para aprimorar a generalização do modelo em vários tamanhos e contextos de objetos.

Onde posso encontrar modelos YOLO11 pré-treinados treinados no conjunto de dados COCO?

Modelos YOLO11 pré-treinados no conjunto de dados COCO podem ser baixados nos links fornecidos na documentação. Os exemplos incluem:

Esses modelos variam em tamanho, mAP e velocidade de inferência, oferecendo opções para diferentes requisitos de desempenho e recursos.

Como o conjunto de dados COCO é estruturado e como posso usá-lo?

O conjunto de dados COCO é dividido em três subconjuntos:

  1. Train2017: 118 mil imagens para treinamento.
  2. Val2017: 5 mil imagens para validação durante o treinamento.
  3. Test2017: 20 mil imagens para benchmarking de modelos treinados. Os resultados precisam ser submetidos ao servidor de avaliação COCO para avaliação de desempenho.

O arquivo de configuração YAML do conjunto de dados está disponível em coco.yaml, que define caminhos, classes e detalhes do conjunto de dados.



📅 Criado há 1 ano ✏️ Atualizado há 4 meses
glenn-jocher RizwanMunawar jk4e ambitious-octopus UltralyticsAssistant MatthewNoyce Laughing-q

Comentários