okra11n-seg-v5-dataset

Kota0612/okra11n-seg-v5（YOLO11n-seg, Ultralytics）のファインチューニングに使用した学習データセット。

• タスク: instance segmentation（単一クラス okra）
• 画像数: train 3231 / validation 403 / test 405（計 4039 枚）
• アノテーション形式: YOLO segmentation（クラスID + 正規化ポリゴン座標）

ディレクトリ構成

data/               # 閲覧用 parquet（Data Studio で画像・アノテーションを確認可能）
train/images, train/labels
valid/images, valid/labels
test/images,  test/labels
data.yaml           # 学習用 YOLO 形式（Ultralytics でそのまま学習に使用可能）

学習には train/ valid/ test/ の元ファイル（YOLO形式）と data.yaml を使用してください。 data/*.parquet は Hugging Face の Dataset Viewer で内容を確認するためのものです。画像は元のJPEGバイト列をそのまま埋め込んでいるため再圧縮による劣化はありません。

parquet スキーマ（data/）

カラム	型	内容
image	Image	画像（元JPEGバイト列）
file_name	string	元ファイル名
width / height	int32	画像サイズ
category	list[int64]	インスタンスごとのクラスID（すべて 0 = okra）
segmentation	list[list[float64]]	インスタンスごとの正規化ポリゴン座標（x1,y1,x2,y2,...）

例（1枚 = 1行、640×640・okra 2個体の場合）:

{
  "file_name": "00fcb9c3dd5eb66c071ec9534e9cf9ff_jpg.rf.525cc7aec2b4c9968d16e295a3ff9de0.jpg",
  "width": 640,
  "height": 640,
  "category": [0, 0],
  "segmentation": [
    [0.082812, 0.129688, 0.179688, 0.296875, 0.420312, 0.618750, "..."],
    ["..."]
  ]
}

ラベルの見え方について（重要）

• 生データ側（train/labels/*.txt など）は元の YOLO segmentation 形式 のまま （1行 = 1個体、クラスID x1 y1 x2 y2 ... xn yn の正規化座標）。学習にそのまま使える。
• data/*.parquet（閲覧用）は上記の category / segmentation 列として同じ内容を保持。
• Hugging Face の Dataset Viewer 上では、この category / segmentation 列は数値配列のテキストとして表示されるだけで、画像にマスク・輪郭を重ねて可視化する機能はありません。 Viewer が自動でオーバーレイ描画してくれるのは objects.bbox 形式などの一部の物体検出データセットのみで、セグメンテーションポリゴンの自動オーバーレイには対応していません。 画像とラベルの対応を目視で確認したい場合は、ダウンロードして OpenCV 等でポリゴンを描画してください。

Usage（学習）

from ultralytics import YOLO

model = YOLO("yolo11n-seg.pt")
model.train(data="data.yaml", epochs=100)

（data.yaml の train/val/test パスはダウンロード後の実際のパスに書き換えてください）

Usage（閲覧・簡易ロード）

from datasets import load_dataset

ds = load_dataset("Kota0612/okra11n-seg-v5-dataset")

License

AGPL-3.0（Ultralytics YOLO の既定ライセンスに合わせています）