COCO8数据集由COCO train 2017集合中的前8张图片组成，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来测试和调试对象检测模型，或尝试新的对象检测方法。尽管只有8张图片，但其规模小而易于管理，同时多样性足够测试训练流程中的错误，并在训练更大的数据集前作为合理性检查。
COCO8数据集旨在与Ultralytics HUB和YOLO11一起使用。数据集的配置通过YAML文件定义，其中包含了数据集路径、类别和其他相关信息。COCO8的YAML配置文件可在GitHub上找到。
使用YOLO11模型训练COCO8数据集
要使用COCO8数据集训练YOLO11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
)
# 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
数据增强的优势
数据增强，如在COCO8数据集中展示的那样，通过在训练过程中将多张图片合并成一张图片。这种技术增加了每个训练批次中对象和场景的多样性，从而提高了模型对不同对象大小、不同长宽比和不同上下文的适应能力。结果是一个更健壮的对象检测模型。