مجموعة بيانات COCO8-Pose

مقدمة

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

هيكل مجموعة البيانات

• إجمالي الصور: 8 (4 للتدريب / 4 للتحقق).
• الفئات: 1 (شخص) مع 17 نقطة رئيسية (keypoints) لكل تعليق توضيحي (annotation).
• تخطيط الدليل الموصى به: datasets/coco8-pose/images/{train,val} و datasets/coco8-pose/labels/{train,val} مع حفظ النقاط الرئيسية بتنسيق YOLO في ملفات .txt.

تم تصميم مجموعة البيانات هذه للاستخدام مع منصة Ultralytics و YOLO26.

ملف YAML الخاص بمجموعة البيانات

يتم استخدام ملف YAML (لغة ترميز أخرى) 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 على الرابط 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 تدريب بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالحجج المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

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 وعينات تعليقات توضيحية

إليك بعض الأمثلة للصور من مجموعة بيانات COCO8-Pose، بالإضافة إلى التعليقات التوضيحية المقابلة لها:

• صورة فسيفسائية: توضح هذه الصورة دفعة تدريب تتكون من صور مجموعة بيانات فسيفسائية. التفسيفس هو تقنية تُستخدم أثناء التدريب تجمع بين صور متعددة في صورة واحدة لزيادة تنوع الأشياء والمشاهد داخل كل دفعة تدريب. يساعد هذا في تحسين قدرة النموذج على التعميم عبر أحجام أشياء ونسب عرض إلى ارتفاع وسياقات مختلفة.

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

الاقتباسات والشكر

إذا كنت تستخدم مجموعة بيانات COCO في بحثك أو عملك التطويري، فيرجى ذكر الورقة 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 لإنشاء والحفاظ على هذا المورد القيم لمجتمع الرؤية الحاسوبية. 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 YOLO26؟

مجموعة بيانات COCO8-Pose هي مجموعة بيانات صغيرة ومتعددة الاستخدامات لاكتشاف الوضعيات، تتضمن أول 8 صور من مجموعة COCO train 2017، مع 4 صور للتدريب و4 للتحقق من الصحة. وهي مصممة لاختبار وتصحيح نماذج اكتشاف الأشياء وتجربة أساليب اكتشاف جديدة. تُعد مجموعة البيانات هذه مثالية للتجارب السريعة باستخدام Ultralytics YOLO26. لمزيد من التفاصيل حول تكوين مجموعة البيانات، تحقق من ملف YAML الخاص بمجموعة البيانات.

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

لتدريب نموذج YOLO26n-pose على مجموعة بيانات COCO8-Pose لمدة 100 حقبة تدريب 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 بحجج التدريب، راجع صفحة التدريب الخاصة بالنموذج.

ما هي فوائد استخدام مجموعة بيانات COCO8-Pose؟

توفر مجموعة بيانات COCO8-Pose العديد من المزايا:

• حجم مدمج: مع وجود 8 صور فقط، يسهل إدارتها وهي مثالية للتجارب السريعة.
• بيانات متنوعة: على الرغم من حجمها الصغير، فهي تتضمن مجموعة متنوعة من المشاهد، مما يجعلها مفيدة لاختبار خطوط الأنابيب بشكل شامل.
• تصحيح الأخطاء: مثالية لتحديد أخطاء التدريب وإجراء الفحوصات الأولية قبل التوسع في مجموعات بيانات أكبر.

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

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

تعمل تقنية الفسيفساء، الموضحة في الصور النموذجية لمجموعة بيانات COCO8-Pose، على دمج صور متعددة في صورة واحدة، مما يزيد من تنوع الأشياء والمشاهد داخل كل دفعة تدريب (training batch). تساعد هذه التقنية في تحسين قدرة النموذج على التعميم عبر مختلف أحجام الأشياء ونسب العرض إلى الارتفاع والسياقات، مما يعزز أداء النموذج في النهاية. راجع قسم الصور النموذجية والتعليقات التوضيحية للحصول على صور توضيحية.

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 الرابط https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml. يحدد هذا الملف تكوين مجموعة البيانات، بما في ذلك المسارات والفئات وغيرها من المعلومات ذات الصلة. استخدم هذا الملف مع نصوص التدريب البرمجية لـ YOLO26 كما هو مذكور في قسم مثال التدريب.

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