Datasets:
Search is not available for this dataset
image imagewidth (px) 640 640 | objects dict |
|---|---|
{
"bbox": [
[
1.08,
187.69,
611.59,
285.84
],
[
311.73,
4.31,
319.28,
228.68
],
[
249.6,
229.27,
316.24,
245.08
],
[
0,
13.51,
434.48,
375.12
],
[
376.2,
40.36,
75.55,
... | |
{
"bbox": [
[
385.53,
60.03,
214.97,
297.16
],
[
53.01,
356.49,
132.03,
55.19
]
],
"categories": [
23,
23
]
} | |
{
"bbox": [
[
204.86,
31.02,
254.88,
324.12
],
[
237.56,
155.81,
166.4,
195.25
]
],
"categories": [
58,
75
]
} | |
{
"bbox": [
[
0.96,
20.06,
441.23,
379.15
]
],
"categories": [
22
]
} |
Ultralytics COCO8 数据集
Ultralytics COCO8 是一个规模虽小但用途广泛的目标检测数据集，由 COCO train2017 的前 8 张图像组成，其中 4 张用于训练，4 张用于验证。该数据集非常适合用于测试和调试目标检测模型， 或用于尝试新的检测方法。虽然只有8张图像，规模小巧便于管理，但 其多样性足以用于检测训练流程中的错误，并在训练更大规模的数据集之前作为合理性检查。
该数据集旨在与Ultralytics YOLOv8配合使用。
仓库结构
images/train/ # 4 张训练图片 + metadata.jsonl
images/val/ # 4 张验证图片 + metadata.jsonl
labels/train|val/ # 原始 YOLO 格式 .txt 标注（归一化 cx cy w h）
data.yaml # Ultralytics 数据配置
每个 split 目录下的 metadata.jsonl 提供目标检测标注（像素坐标 [x, y, width, height]，
左上角原点），可直接被 Hugging Face Dataset Viewer 与 datasets 库识别
（目录名 train/val 会被自动映射为 train/validation 两个 split）：
{"file_name": "000000000009.jpg", "objects": {"bbox": [[1.08, 187.69, 611.59, 285.84], ...], "categories": [45, ...]}}
使用方法
使用 🤗 Datasets 加载：
from datasets import load_dataset
ds = load_dataset("cc92yy3344/coco8")
print(ds["train"][0]["objects"])
# {'bbox': [[1.08, 187.69, 611.59, 285.84], ...], 'categories': [45, ...]}
文档: https://docs.ultralytics.com
- Downloads last month
- 76