YOLO Vision 2026:
CC BY 4.0

مجموعة بيانات COCO8-Pose#

مقدمة#

Ultralytics COCO8-Pose عبارة عن مجموعة بيانات تقدير وضعية صغيرة ومتعددة الاستخدامات تتكون من أول 8 صور من مجموعة COCO train 2017 (4 للتدريب، 4 للتحقق)، باستخدام مخطط مكون من 17 نقطة رئيسية لفئة "شخص" واحدة. تُعد مجموعة البيانات هذه مثالية لاختبار وتصحيح نماذج تقدير الوضعية، أو لتجربة نهج جديدة للكشف عن النقاط الرئيسية. بفضل احتواؤها على 8 صور، فهي صغيرة بما يكفي لتكون سهلة الإدارة، ومع ذلك فهي متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثاً عن الأخطاء والعمل كفحص أولي قبل التدريب على مجموعة بيانات COCO-Pose الكاملة.

هيكل مجموعة البيانات#

  • إجمالي الصور: 8 (4 للتدريب / 4 للتحقق).
  • الفئات: 1 (شخص) مع 17 نوعاً من النقاط الرئيسية لكل تعليق توضيحي.
  • حجم التنزيل: ~1 ميجابايت.
  • 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.

استكشف COCO8-Pose على منصة Ultralytics لتصفح كل صورة مع هياكل النقاط الرئيسية الخاصة بها، وعرض توزيعات النقاط الرئيسية والفئات في علامة التبويب المخططات (Charts)، واستنساخها لتدريب نموذجك الخاص في السحابة.

YAML مجموعة البيانات#

يتم استخدام ملف YAML لتحديد تكوين مجموعة البيانات. وهو يحتوي على معلومات حول مسارات مجموعة البيانات، والفئات، وغيرها من المعلومات ذات الصلة. في حالة مجموعة بيانات COCO8-Pose، يتم الاحتفاظ بملف coco8-pose.yaml في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml.

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 epochs بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، راجع صفحة تدريب النموذج.

مثال على التدريب
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)

صور وشروحات توضيحية عينة#

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

COCO8-pose keypoint estimation dataset mosaic
  • 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.

الاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات COCO في عملك البحثي أو التطويري، يرجى الاستشهاد بالورقة التالية:

اقتباس
@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.

الأسئلة الشائعة#

ما هي مجموعة بيانات COCO8-Pose، وكيف يتم استخدامها مع Ultralytics YOLO26؟#

تعد مجموعة بيانات COCO8-Pose مجموعة بيانات صغيرة ومتعددة الاستخدامات لتقدير الوضعية تتضمن أول 8 صور من مجموعة COCO train 2017، مع 4 صور للتدريب و4 للتحقق. وهي مصممة لاختبار وتصحيح نماذج تقدير الوضعية وتجربة نهج جديدة للكشف عن النقاط الرئيسية. تعد مجموعة البيانات هذه مثالية للتجارب السريعة مع Ultralytics YOLO26. لمزيد من التفاصيل حول تكوين مجموعة البيانات، راجع ملف YAML الخاص بمجموعة البيانات.

كيف يمكنني تدريب نموذج YOLO26 باستخدام مجموعة بيانات COCO8-Pose في Ultralytics؟#

قم بتحميل yolo26n-pose.pt واستدعِ model.train(data="coco8-pose.yaml", epochs=100, imgsz=640) — راجع مثال التدريب أعلاه للحصول على مقتطفات Python و CLI الكاملة، وصفحة التدريب الخاصة بالنموذج للحصول على قائمة شاملة بالوسيطات.

ما هي فوائد استخدام مجموعة بيانات COCO8-Pose؟#

مع إجمالي 8 صور (4 للتدريب / 4 للتحقق)، وفئة واحدة، ومخطط من 17 نقطة رئيسية، وحجم تنزيل يبلغ ~1 ميجابايت، تعد COCO8-Pose صغيرة بما يكفي للإدارة في ثوانٍ ومتنوعة بما يكفي للقيام بفحص أولي لخط أنابيب تدريب الوضعية بحثاً عن أخطاء قبل التوسع إلى مجموعة بيانات COCO-Pose الكاملة. لمزيد من المعلومات حول ميزاتها واستخدامها، راجع قسم مقدمة مجموعة البيانات.

كيف تفيد تقنية الفسيفساء (mosaicing) عملية تدريب YOLO26 باستخدام مجموعة بيانات COCO8-Pose؟#

تجمع تقنية Mosaicing بين صور متعددة في صورة واحدة، مما يزيد من تنوع الكائنات والمشاهد داخل كل دفعة تدريب، مما يساعد النموذج على التعميم عبر أحجام الكائنات، ونسب العرض إلى الارتفاع، والسياقات. راجع قسم صور ونصوص العينة للحصول على مثال.

أين 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 المعلومات حول نماذج النقاط المفصلية، راجع مستندات مهمة تقدير الوضعية.

المساهمون
GLglenn-jocher16RAraimbekovm3JKjk4e2MAMatthewNoyce1RIRizwanMunawar1LUlunarifish1

التعليقات