مجموعة بيانات COCO8-Pose

مقدمة

Ultralytics COCO8-Pose عبارة عن مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات للكشف عن الوضع تتكون من أول 8 صور لمجموعة قطار COCO 2017 ، 4 للتدريب و 4 للتحقق من الصحة. تعد مجموعة البيانات هذه مثالية لاختبار نماذج اكتشاف الكائنات وتصحيحها، أو لتجربة أساليب الكشف الجديدة. مع 8 صور ، فهي صغيرة بما يكفي لسهولة إدارتها ، ولكنها متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثا عن الأخطاء والعمل كفحص سلامة قبل تدريب مجموعات البيانات الأكبر.

مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics المحور و YOLOv8.

مجموعة البيانات YAML

يتم استخدام ملف YAML (لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. يحتوي على معلومات حول مسارات مجموعة البيانات والفئات والمعلومات الأخرى ذات الصلة. 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 YOLO 🚀, AGPL-3.0 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: ../datasets/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

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

استخدام

لتدريب أ YOLOv8n-pose model على مجموعة بيانات COCO8-Pose ل 100 حقبة بحجم صورة 640 ، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى صفحة نموذج التدريب .

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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 detect train data=coco8-pose.yaml model=yolov8n-pose.pt epochs=100 imgsz=640

عينة من الصور والتعليقات التوضيحية

فيما يلي بعض الأمثلة على الصور من مجموعة بيانات COCO8-Pose ، جنبا إلى جنب مع التعليقات التوضيحية المقابلة لها:

• صورة فسيفسائية: توضح هذه الصورة دفعة تدريب مكونة من صور مجموعة بيانات فسيفسائية. الفسيفساء هي تقنية تستخدم أثناء التدريب تجمع بين صور متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد داخل كل دفعة تدريب. يساعد هذا في تحسين قدرة النموذج على التعميم على أحجام الكائنات المختلفة ونسب العرض إلى الارتفاع والسياقات.

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

الاستشهادات والشكر

إذا كنت تستخدم مجموعة بيانات COCO في أعمال البحث أو التطوير الخاصة بك ، 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 نعرب عن تقديرنا لاتحاد COCO لإنشاء وصيانة هذا المورد القيم لمجتمع رؤية الكمبيوتر. لمزيد من المعلومات حول مجموعة بيانات COCO ومنشئيها، تفضل بزيارة موقع ويب مجموعة بيانات COCO.

الأسئلة المتداولة

ما هي مجموعة بيانات COCO8-Pose، وكيف يتم استخدامها مع Ultralytics YOLOv8 ؟

مجموعة بيانات COCO8-Pose عبارة عن مجموعة بيانات صغيرة ومتعددة الاستخدامات للكشف عن الوضعية تتضمن أول 8 صور من مجموعة بيانات COCO Train 2017، مع 4 صور للتدريب و4 للتحقق من الصحة. وهي مصممة لاختبار نماذج اكتشاف الأجسام وتصحيحها وتجربة أساليب اكتشاف جديدة. تعتبر مجموعة البيانات هذه مثالية للتجارب السريعة مع Ultralytics YOLOv8. لمزيد من التفاصيل حول تكوين مجموعة البيانات، راجع ملف YAML الخاص بمجموعة البيانات هنا.

كيف يمكنني تدريب نموذج YOLOv8 باستخدام مجموعة بيانات COCO8-Pose في Ultralytics ؟

لتدريب نموذج YOLOv8n-pose على مجموعة بيانات COCO8-Pose لـ 100 حلقة تدريبية بحجم صورة 640، اتبع هذه الأمثلة:

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-pose.pt")

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

yolo detect train data=coco8-pose.yaml model=yolov8n.pt epochs=100 imgsz=640

للحصول على قائمة شاملة بحجج التدريب، راجع صفحة التدريب النموذجي.

ما هي فوائد استخدام مجموعة بيانات COCO8-Passe؟

تقدم مجموعة بيانات COCO8-Pose العديد من المزايا:

• حجم صغير: مع 8 صور فقط، فهي سهلة الإدارة ومثالية للتجارب السريعة.
• بيانات متنوعة: على الرغم من صغر حجمها، إلا أنها تتضمن مجموعة متنوعة من المشاهد، وهي مفيدة لاختبار خط أنابيب شامل.
• تصحيح الأخطاء: مثالية لتحديد أخطاء التدريب وإجراء فحوصات السلامة قبل التوسع إلى مجموعات بيانات أكبر.

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

كيف تفيد الفسيفساء في عملية التدريب YOLOv8 باستخدام مجموعة بيانات COCO8-Passe؟

يُستخدم أسلوب الفسيفساء، الذي يظهر في الصور النموذجية لمجموعة بيانات COCO8-Pose، لدمج عدة صور في صورة واحدة، مما يزيد من تنوع الأجسام والمشاهد في كل دفعة تدريبية. تساعد هذه التقنية في تحسين قدرة النموذج على التعميم عبر مختلف أحجام الأجسام ونسب العرض إلى الارتفاع والسياقات المختلفة، مما يؤدي في النهاية إلى تحسين أداء النموذج. راجع قسم نماذج الصور والتعليقات التوضيحية للحصول على أمثلة للصور.

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

يمكن العثور على ملف YAML لمجموعة بيانات COCO8-Pose هنا. يحدد هذا الملف تكوين مجموعة البيانات، بما في ذلك المسارات والفئات والمعلومات الأخرى ذات الصلة. استخدم هذا الملف مع البرامج النصية للتدريب YOLOv8 كما هو مذكور في قسم مثال التدريب.

للمزيد من الأسئلة الشائعة والوثائق التفصيلية، يرجى زيارة الموقع الإلكتروني Ultralytics Documentation.

التعليقات