مجموعة بيانات COCO8-Pose

مقدمة

Ultralytics COCO8-Pose عبارة عن مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات للكشف عن الوضع تتكون من أول 8 صور من مجموعة تدريب COCO لعام 2017، 4 للتدريب و 4 للتحقق من الصحة. تعتبر مجموعة البيانات هذه مثالية لاختبار وتصحيح نماذج الكشف عن الأجسام، أو لتجربة أساليب الكشف الجديدة. مع 8 صور، فهي صغيرة بما يكفي لتكون سهلة الإدارة، ولكنها متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثًا عن الأخطاء والعمل كفحص سليم قبل تدريب مجموعات بيانات أكبر.

هيكل مجموعة البيانات

• إجمالي الصور: 8 (4 للتدريب / 4 للتحقق).
• الفئات: 1 (شخص) مع 17 نقطة رئيسية لكل تعليق توضيحي.
• تخطيط الدليل الموصى به: datasets/coco8-pose/images/{train,val} و datasets/coco8-pose/labels/{train,val} مع نقاط رئيسية بتنسيق YOLO مخزنة كـ .txt الملفات.

مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics HUB و YOLO11.

ملف YAML لمجموعة البيانات

يستخدم ملف YAML (وهي لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. يحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها ومعلومات أخرى ذات صلة. في حالة مجموعة بيانات COCO8-Pose، فإن coco8-pose.yaml يتم الاحتفاظ بالملف 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 YOLO11n-pose على مجموعة بيانات COCO8-Pose لعدد 100 epoch بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، ارجع إلى صفحة تدريب النموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-pose.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo pose train data=coco8-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

عينات من الصور والشروحات التوضيحية

فيما يلي بعض الأمثلة للصور من مجموعة بيانات COCO8-Pose، بالإضافة إلى الشروح التوضيحية المقابلة لها:

• صورة مجمعة: توضح هذه الصورة دفعة تدريبية تتكون من صور مجموعة بيانات مجمعة. التجميع هو أسلوب يستخدم أثناء التدريب يجمع بين صور متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد داخل كل دفعة تدريبية. يساعد هذا في تحسين قدرة النموذج على التعميم على أحجام الكائنات ونسب العرض إلى الارتفاع والسياقات المختلفة.

يعرض المثال تنوع وتعقيد الصور في مجموعة بيانات COCO8-Pose وفوائد استخدام الفسيفساء أثناء عملية التدريب.

الاقتباسات والإقرارات

إذا كنت تستخدم مجموعة بيانات COCO في بحثك أو عملك التطويري، فيرجى الاستشهاد بالورقة 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 نتقدم بالشكر إلى COCO Consortium لإنشاء هذا المورد القيم والحفاظ عليه لمجتمع رؤية الكمبيوتر. لمزيد من المعلومات حول مجموعة بيانات COCO ومنشئيها، تفضل بزيارة موقع مجموعة بيانات COCO.

الأسئلة الشائعة

ما هي مجموعة بيانات COCO8-Pose، وكيف يتم استخدامها مع Ultralytics YOLO11؟

مجموعة بيانات COCO8-Pose هي مجموعة بيانات صغيرة ومتعددة الاستخدامات للكشف عن الوضعيات تتضمن أول 8 صور من مجموعة تدريب COCO 2017، مع 4 صور للتدريب و 4 للتحقق. إنه مصمم لاختبار وتصحيح نماذج الكشف عن الكائنات وتجربة أساليب الكشف الجديدة. تعتبر مجموعة البيانات هذه مثالية لإجراء تجارب سريعة مع Ultralytics YOLO11. لمزيد من التفاصيل حول تكوين مجموعة البيانات، تحقق من ملف YAML الخاص بمجموعة البيانات.

كيف يمكنني تدريب نموذج YOLO11 باستخدام مجموعة بيانات COCO8-Pose في Ultralytics؟

لتدريب نموذج YOLO11n-pose على مجموعة بيانات COCO8-Pose لعدد 100 epoch بحجم صورة 640، اتبع هذه الأمثلة:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-pose.pt")

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

yolo pose train data=coco8-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

للحصول على قائمة شاملة بحجج التدريب، راجع صفحة تدريب النموذج.

ما هي فوائد استخدام مجموعة بيانات COCO8-Pose؟

توفر مجموعة بيانات COCO8-Pose العديد من المزايا:

• حجم صغير: مع 8 صور فقط، من السهل إدارتها ومثالية للتجارب السريعة.
• بيانات متنوعة: على الرغم من صغر حجمه، إلا أنه يتضمن مجموعة متنوعة من المشاهد، وهو أمر مفيد لاختبار خطوط الأنابيب الشاملة.
• تصحيح الأخطاء: مثالي لتحديد أخطاء التدريب وإجراء فحوصات السلامة قبل التوسع إلى مجموعات بيانات أكبر.

لمعرفة المزيد حول ميزاته واستخدامه، راجع قسم مقدمة مجموعة البيانات.

كيف تفيد عملية الفسيفساء عملية تدريب YOLO11 باستخدام مجموعة بيانات COCO8-Pose؟

تقوم تقنية الفسيفساء، الموضحة في الـ sample_images لمجموعة بيانات COCO8-Pose، بدمج صور متعددة في صورة واحدة، مما يزيد من تنوع الكائنات والمشاهد داخل كل دفعة تدريب. تساعد هذه التقنية على تحسين قدرة النموذج على التعميم عبر أحجام الكائنات ونسب العرض إلى الارتفاع والسياقات المختلفة، مما يعزز أداء النموذج في النهاية. راجع قسم Sample Images and Annotations للحصول على أمثلة للصور.

أين يمكنني العثور على ملف YAML الخاص بمجموعة بيانات COCO8-Pose وكيف يمكنني استخدامه؟

يمكن العثور على ملف YAML الخاص بمجموعة بيانات COCO8-Pose في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml. يحدد هذا الملف تكوين مجموعة البيانات، بما في ذلك المسارات والفئات والمعلومات الأخرى ذات الصلة. استخدم هذا الملف مع نصوص تدريب YOLO11 كما هو مذكور في قسم مثال التدريب.

لمزيد من الأسئلة الشائعة والوثائق التفصيلية، قم بزيارة وثائق Ultralytics.

📅 تم الإنشاء منذ سنتين ✏️ تم التحديث منذ 25 يومًا

تعليقات