Link to this sectionمجموعة بيانات COCO8-Pose#

Link to this sectionمقدمة#

تعد Ultralytics COCO8-Pose مجموعة بيانات صغيرة ومتعددة الاستخدامات لاكتشاف الوضعيات، تتكون من أول 8 صور من مجموعة بيانات COCO train 2017، منها 4 للتدريب و4 للتحقق. تعتبر مجموعة البيانات هذه مثالية لاختبار وتصحيح نماذج object detection، أو لتجربة أساليب اكتشاف جديدة. مع وجود 8 صور، فهي صغيرة بما يكفي لتكون سهلة الإدارة، ومع ذلك فهي متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثاً عن الأخطاء والعمل كفحص سلامة قبل تدريب مجموعات بيانات أكبر.

Link to this sectionهيكل 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 كملفات .txt.

مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics Platform و YOLO26.

Link to this sectionYAML مجموعة البيانات#

يتم استخدام ملف YAML (لغة توصيف أخرى) لتحديد تكوين مجموعة البيانات. يحتوي الملف على معلومات حول مسارات مجموعة البيانات، والفئات، وغيرها من المعلومات ذات الصلة. في حالة مجموعة بيانات COCO8-Pose، يتم الاحتفاظ بملف coco8-pose.yaml على 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

Link to this sectionالاستخدام#

لتدريب نموذج YOLO26n-pose على مجموعة بيانات COCO8-Pose لمدة 100 epochs بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالوسيطات 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)

Link to this sectionصور وشروحات توضيحية عينة#

فيما يلي بعض الأمثلة على صور من مجموعة بيانات COCO8-Pose، بالإضافة إلى التعليقات التوضيحية المقابلة لها:

• صورة مجمعة (Mosaiced Image): توضح هذه الصورة دفعة تدريب تتكون من صور مجموعة بيانات مجمعة. الفسيفساء (Mosaicing) هي تقنية تُستخدم أثناء التدريب تدمج صورًا متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد داخل كل دفعة تدريب. يساعد هذا في تحسين قدرة النموذج على التعميم على أحجام كائنات ونسب عرض إلى ارتفاع وسياقات مختلفة.

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

Link to this sectionالاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات COCO في عملك البحثي أو التطويري، يرجى 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 نعرب عن تقديرنا لاتحاد COCO لإنشاء وصيانة هذا المورد القيم لمجتمع الرؤية الحاسوبية. لمزيد من المعلومات حول مجموعة بيانات COCO ومبتكريها، تفضل بزيارة موقع مجموعة بيانات COCO.

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي مجموعة بيانات COCO8-Pose، وكيف يتم استخدامها مع Ultralytics YOLO26؟#

تعد مجموعة بيانات COCO8-Pose مجموعة بيانات صغيرة ومتعددة الاستخدامات لاكتشاف الوضعيات تتضمن أول 8 صور من مجموعة بيانات COCO train 2017، مع 4 صور للتدريب و4 للتحقق. تم تصميمها لاختبار وتصحيح نماذج اكتشاف الكائنات وتجربة أساليب اكتشاف جديدة. تعتبر مجموعة البيانات هذه مثالية للتجارب السريعة مع Ultralytics YOLO26. لمزيد من التفاصيل حول تكوين مجموعة البيانات، راجع ملف YAML الخاص بمجموعة البيانات.

Link to this sectionكيف يمكنني تدريب نموذج YOLO26 باستخدام مجموعة بيانات COCO8-Pose في Ultralytics؟#

لتدريب نموذج YOLO26n-pose على مجموعة بيانات COCO8-Pose لمدة 100 epoch بحجم صورة 640، اتبع هذه الأمثلة:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-pose.pt")

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

للحصول على قائمة شاملة بمدخلات التدريب، راجع صفحة Training الخاصة بالنموذج.

Link to this sectionما هي فوائد استخدام مجموعة بيانات COCO8-Pose؟#

توفر مجموعة بيانات COCO8-Pose العديد من الفوائد:

• حجم مدمج: مع 8 صور فقط، يسهل إدارتها وهي مثالية للتجارب السريعة.
• بيانات متنوعة: على الرغم من صغر حجمها، فهي تتضمن مجموعة متنوعة من المشاهد، مفيدة لاختبار خطوط الأنابيب بشكل شامل.
• تصحيح الأخطاء: مثالية لتحديد أخطاء التدريب وإجراء فحوصات السلامة قبل التوسع إلى مجموعات بيانات أكبر.

لمزيد من المعلومات حول ميزاتها واستخدامها، راجع قسم مقدمة مجموعة البيانات.

Link to this sectionكيف تفيد تقنية الفسيفساء (mosaicing) عملية تدريب YOLO26 باستخدام مجموعة بيانات COCO8-Pose؟#

تقوم تقنية الفسيفساء، كما هو موضح في الصور النموذجية لمجموعة بيانات COCO8-Pose، بدمج صور متعددة في صورة واحدة، مما يزيد من تنوع الكائنات والمشاهد داخل كل دفعة تدريب. تساعد هذه التقنية في تحسين قدرة النموذج على التعميم عبر أحجام كائنات ونسب عرض إلى ارتفاع وسياقات مختلفة، مما يعزز أداء النموذج في النهاية. راجع قسم الصور والتعليقات التوضيحية النموذجية للحصول على صور توضيحية.

Link to this sectionأين يمكنني العثور على ملف YAML الخاص بمجموعة بيانات COCO8-Pose وكيف يمكنني استخدامه؟#

يمكن العثور على ملف YAML الخاص بمجموعة بيانات COCO8-Pose على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml. يحدد هذا الملف تكوين مجموعة البيانات، بما في ذلك المسارات، والفئات، ومعلومات أخرى ذات صلة. استخدم هذا الملف مع نصوص تدريب YOLO26 كما هو مذكور في قسم مثال التدريب.

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