Подготовь собственный датасет

Получи учебный датасет#

Такая структура также подходит для загрузки ZIP-архива через диалог создания датасета в Ultralytics Platform, поэтому подготовленный здесь датасет можно загрузить без изменений. Скачай 92 обучающих и 23 валидационных кадра с таблетками в блистерных упаковках и распакуй их в my_dataset:

curl -L -o medical-pills.zip https://github.com/ultralytics/assets/releases/download/v0.0.0/medical-pills.zip
unzip -q medical-pills.zip -d my_dataset

my_dataset/
├── images/
│   ├── train/   Frame_0.jpg, Frame_100.jpg, ... (92 images)
│   └── val/     Frame_144.jpg, ... (23 images)
└── labels/
    ├── train/   Frame_0.txt, Frame_100.txt, ... (92 files)
    └── val/     Frame_144.txt, ... (23 files)

Манифеста нет. Ultralytics находит каждую метку, заменяя /images/ на /labels/ в пути к изображению, а расширение — на .txt, поэтому images/val/Frame_144.jpg читает labels/val/Frame_144.txt. Отсюда следуют два вывода:

• Папки должны называться точно images и labels и находиться рядом.
• Изображение с пустым или отсутствующим файлом меток считается фоновым: оно допустимо и полезно, чтобы научить модель тому, что не нужно обнаруживать, но только если это было задумано.

Разберём строку метки#

Каждая строка соответствует одному объекту: целочисленный индекс класса, затем центр и размер ограничивающей рамки в долях от ширины и высоты изображения. Вот реальная строка из labels/train/Frame_0.txt:

0 0.330729 0.816204 0.103125 0.121296

• 0: индекс класса 0, которому в YAML будет соответствовать имя pill.
• 0.330729 0.816204: центр рамки расположен на 33% ширины и 82% высоты изображения.
• 0.103125 0.121296: рамка занимает около 10% ширины и 12% высоты изображения.

Пример: преобразуем рамку из пикселей#

Инструменты разметки часто экспортируют координаты углов в пикселях (x1, y1, x2, y2). Раздели их на размер изображения. Левый человек на изображении bus.jpg размером 810×1080 из прошлого урока занимает область от (49, 398) до (240, 902):

Большинство инструментов разметки, а также такие инструменты, как Roboflow, поддерживают прямой экспорт в формат YOLO. Для COCO JSON следуй руководству по обучению на COCO JSON; репозиторий JSON2YOLO описывает другие форматы. Для XML Pascal VOC достаточно короткого скрипта с приведённой выше формулой:

import xml.etree.ElementTree as ET
from pathlib import Path

CLASSES = ["person", "bus"]  # index = class id; must match names in data.yaml

def voc_to_yolo(xml_file: Path, out_dir: Path) -> None:
    root = ET.parse(xml_file).getroot()
    w, h = int(root.find("size/width").text), int(root.find("size/height").text)
    lines = []
    for obj in root.iter("object"):
        name = obj.find("name").text
        if name not in CLASSES:
            continue
        box = obj.find("bndbox")
        x1, y1, x2, y2 = (float(box.find(k).text) for k in ("xmin", "ymin", "xmax", "ymax"))
        xc, yc, bw, bh = (x1 + x2) / 2 / w, (y1 + y2) / 2 / h, (x2 - x1) / w, (y2 - y1) / h
        lines.append(f"{CLASSES.index(name)} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}")
    out_dir.mkdir(parents=True, exist_ok=True)
    (out_dir / f"{xml_file.stem}.txt").write_text("\n".join(lines) + "\n")

voc_to_yolo(Path("bus.xml"), Path("labels"))
print(Path("labels/bus.txt").read_text())

Если запустить скрипт на bus.xml с рамками человека и автобуса из прошлого урока, он выведет разобранный пример и результат для автобуса:

0 0.178395 0.601852 0.235802 0.466667
1 0.495679 0.454167 0.991358 0.482407

Проверь перед обучением#

Наложи несколько файлов меток на соответствующие изображения. Смещение класса, перепутанные местами x и y или рамки вокруг теней сразу заметны визуально, но не видны по метрикам:

from ultralytics.data.utils import visualize_image_annotations

visualize_image_annotations(
    "my_dataset/images/train/Frame_0.jpg",
    "my_dataset/labels/train/Frame_0.txt",
    {0: "pill"},
)

Затем проверь все файлы с помощью Ultralytics. При первом чтении датасета система сканирует метки и построчно определяет, можно ли использовать каждое изображение:

Результат отображается в строке сканирования: 23 images, 0 backgrounds, 0 corrupt — так выглядит исправный датасет. Любой другой результат указывает на одну из ошибок ниже.

Избегай этих ошибок#

Подробности о систематических проверках всего датасета см. в разделе Контроль качества датасета. Удобно брать за образец структуру встроенных датасетов, таких как coco8, coco128 и african-wildlife; полный список приведён в обзоре датасетов. Тренер добавляет к твоим меткам аугментацию данных, поэтому предварительная очистка данных улучшит каждую эпоху.