COCO8数据集是一个精简而多功能的对象检测数据集，它包含了COCO train 2017集合中的前8张图片，其中4张用于训练，另外4张用于验证。这个数据集非常适合用于测试和调试对象检测模型，或者尝试新的对象检测方法。尽管只有8张图片，但COCO8数据集足够小，易于管理，同时多样性足够测试训练流程的错误，并在训练更大的数据集之前作为一个合理的检查。
COCO8数据集旨在与Ultralytics HUB和YOLO11一起使用。使用YAML（Yet Another Markup Language）文件来定义数据集的配置，它包含了数据集路径、类别和其他相关信息。对于COCO8数据集，coco8.yaml文件维护在GitHub上。
该YAML文件定义了数据集的路径、训练和验证图像的相对路径，以及类别名称。例如，类别包括人、自行车、汽车、摩托车、飞机、公交车、火车、卡车、船、交通灯、消防栓、停车计时器、长凳、鸟、猫、狗、马、羊、牛、大象、熊、斑马、长颈鹿、背包、伞、手提包、领带、手提箱、飞盘、滑雪板、运动球、风筝、棒球棒、棒球手套、滑板、冲浪板、网球拍、瓶子、酒杯、杯子、叉子、刀、勺子、碗、香蕉、苹果、三明治、橙子、西兰花、胡萝卜、热狗、披萨、甜甜圈、蛋糕、椅子、沙发、盆栽植物、床、餐桌、厕所、电视、笔记本电脑、鼠标、遥控器、键盘、手机、微波炉、烤箱、烤面包机、水槽、冰箱、书、钟、花瓶、剪刀、泰迪熊、吹风机、牙刷等。
要使用COCO8数据集训练YOLO11n模型100个周期，并且图像大小为640，可以使用以下代码片段。对于可用参数的完整列表，请参考模型训练页面。
from ultralytics import YOLO
# 加载模型
model = YOLO(
"yolo11n.pt"
)
# 加载预训练模型（推荐用于训练）
# 训练模型
results = model.train(
data="coco8.yaml",
epochs=100,
imgsz=640
)
以上Python代码展示了如何加载预训练的YOLO模型，并使用COCO8数据集进行训练。同样，也可以通过命令行接口（CLI）来启动训练过程。
以下是COCO8数据集中的一些图片示例，以及它们对应的注释。例如，马赛克图片展示了由多个数据集图片组成的训练批次。马赛克是一种在训练过程中使用的技术，它将多个图片合并成单个图片，以增加每个训练批次中的对象和场景的多样性。这有助于提高模型对不同对象大小、长宽比和上下文的泛化能力。
如果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}
}
要感谢COCO联盟为计算机视觉社区创建和维护这一宝贵的资源。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。
Ultralytics COCO8数据集的用途是什么？ Ultralytics COCO8数据集是一个紧凑而多功能的对象检测数据集，包含COCO train 2017集合中的前8张图片，其中4张用于训练，4张用于验证。它旨在测试和调试对象检测模型，并尝试新的对象检测方法。尽管规模较小，COCO8提供了足够的多样性，可以在部署更大的数据集之前作为训练流程的合理检查。有关更多详细信息，请查看COCO8数据集。
如何使用COCO8数据集训练YOLO11模型？ 要使用COCO8数据集训练YOLO11模型，可以使用Python或CLI命令。以下是如何开始的示例： Python CLI from ultralytics import YOLO # 加载模型 model = YOLO( "yolo11n.pt" ) # 加载预训练模型（推荐用于训练） # 训练模型 results = model.train( data="coco8.yaml", epochs=100, imgsz=640 ) # 从预训练的*.pt模型开始训练 yolo detect train data=coco8.yaml model=yolo11n.pt epochs=100 imgsz=640 对于可用参数的完整列表，请参考模型训练页面。
为什么要使用Ultralytics HUB来管理COCO8训练？ Ultralytics HUB是一个一站式网络工具，旨在简化YOLO模型的训练和部署，包括在COCO8数据集上的Ultralytics YOLO11模型。它提供了云训练、实时跟踪和无缝的数据集管理。HUB允许通过单击开始训练，并避免了手动设置的复杂性。发现更多关于Ultralytics HUB及其好处。
在训练中使用马赛克增强对COCO8数据集有什么好处？ 在COCO8数据集中展示的马赛克增强技术，在训练期间将多个图片合并成单个图片。这种技术增加了每个训练批次中的对象和场景的多样性，提高了模型对不同对象大小、长宽比和上下文的泛化能力。这导致了一个更强大的对象检测模型。有关更多详细信息，请参考训练指南。