مجموعة بيانات COCO8-Pose#

8

coco8-pose

ultralytics

publicPose

COCO8-Pose is Ultralytics' minimal human-pose smoke-test set: four training and four validation images sampled from COCO. Each person uses the standard 17-keypoint body layout, allowing rapid validation of pose data loading, augmentation, training, and export workflows.

31 class618.2 KBSep 2, 2026

person

مقدمة#

تُعد مجموعة بيانات COCO8-Pose من Ultralytics مجموعة صغيرة ومتعددة الاستخدامات لتقدير الوضعيات، وتتكوّن من أول 8 صور من مجموعة COCO train 2017 (4 للتدريب و4 للتحقق)، باستخدام مخطط يضم 17 نقطة مفتاحية للفئة المفردة "person". تُعد مجموعة البيانات هذه مثالية لاختبار نماذج تقدير الوضعيات وتصحيح أخطائها، أو لتجربة أساليب جديدة لاكتشاف النقاط المفتاحية. ومع احتوائها على 8 صور، فهي صغيرة بما يكفي لإدارتها بسهولة، لكنها متنوعة بما يكفي لاختبار مسارات التدريب بحثًا عن الأخطاء والعمل كاختبار سلامة قبل التدريب على مجموعة بيانات COCO-Pose الكاملة.

بنية مجموعة البيانات#

• إجمالي الصور: 8 (4 للتدريب / 4 للتحقق).
• الفئات: فئة واحدة (person) مع 17 نوعًا من النقاط المفتاحية لكل تعليق توضيحي.
• حجم التنزيل: ~1 ميغابايت.
• تخطيط الدليل الموصى به: datasets/coco8-pose/images/{train,val} وdatasets/coco8-pose/labels/{train,val} مع تخزين النقاط المفتاحية بتنسيق YOLO في ملفات .txt.

استكشف COCO8-Pose على منصة Ultralytics لتصفح كل صورة مع هياكل نقاطها المفتاحية، وعرض توزيعات النقاط المفتاحية والفئات في علامة التبويب المخططات، واستنساخها لتدريب نموذجك الخاص في السحابة.

YAML مجموعة البيانات#

يُستخدم ملف YAML لتعريف إعدادات مجموعة البيانات. ويحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها وغيرها من المعلومات ذات الصلة. في حالة مجموعة بيانات COCO8-Pose، يُحافَظ على ملف coco8-pose.yaml في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# COCO8-pose dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/coco8-pose
# Example usage: yolo train data=coco8-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8-pose ← downloads here (1 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: coco8-pose # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

# Keypoints
kpt_shape: [17, 3] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 2, 1, 4, 3, 6, 5, 8, 7, 10, 9, 12, 11, 14, 13, 16, 15]

# Classes
names:
  0: person

# Keypoint names per class
kpt_names:
  0:
    - nose
    - left_eye
    - right_eye
    - left_ear
    - right_ear
    - left_shoulder
    - right_shoulder
    - left_elbow
    - right_elbow
    - left_wrist
    - right_wrist
    - left_hip
    - right_hip
    - left_knee
    - right_knee
    - left_ankle
    - right_ankle

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8-pose.zip

الاستخدام#

لتدريب نموذج YOLO26n-pose على مجموعة بيانات COCO8-Pose لمدة 100 حقبة وبحجم صورة قدره 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-pose.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)

الصور والتعليقات التوضيحية النموذجية#

فيما يلي بعض الأمثلة على الصور من مجموعة بيانات COCO8-Pose، إلى جانب التعليقات التوضيحية المطابقة لها:

• الصورة الموزاييكية: توضح هذه الصورة دفعة تدريب مكوّنة من صور موزاييكية من مجموعة البيانات. والموزاييك تقنية تُستخدم أثناء التدريب وتجمع صورًا متعددة في صورة واحدة لزيادة تنوع الأجسام والمشاهد ضمن كل دفعة تدريب. ويساعد ذلك على تحسين قدرة النموذج على التعميم على أحجام الأجسام ونِسَب العرض إلى الارتفاع والسياقات المختلفة.

الاقتباسات والشكر والتقدير#

إذا استخدمت مجموعة بيانات COCO في أبحاثك أو أعمال التطوير الخاصة بك، فيُرجى الاستشهاد بالورقة البحثية التالية:

@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}
}

نود أن نعرب عن تقديرنا لاتحاد COCO لإنشائه هذا المورد القيّم لمجتمع الرؤية الحاسوبية والحفاظ عليه. لمزيد من المعلومات حول مجموعة بيانات COCO ومنشئيها، تفضل بزيارة موقع مجموعة بيانات COCO.

الأسئلة الشائعة#