مجموعة بيانات Tiger-Pose#

262

Tiger Pose

ultralytics

publicPose

Tiger Pose contains 1280 x 720 video frames derived from an attributed YouTube tiger video. Each labeled animal has 12 two-dimensional keypoints, supporting articulated pose estimation across walking, standing, body orientation, limb movement, and partial occlusion.

1 class44 MBSep 2, 2026

tiger

tigerswildlifepose-estimation+1

مقدمة#

تقدّم Ultralytics مجموعة بيانات Tiger-Pose، وهي مجموعة متعددة الاستخدامات مصمّمة لمهام تقدير الوضعية. تتكوّن مجموعة البيانات هذه من 263 صورة مصدرها فيديو على YouTube، خُصّصت 210 صور منها للتدريب و53 صورة للتحقق. وتُعدّ موردًا ممتازًا لاختبار خوارزميات تقدير الوضعية واستكشاف أخطائها وإصلاحها.

على الرغم من أن مجموعة التدريب القابلة للإدارة تتكوّن من 210 صور، توفّر مجموعة بيانات Tiger-Pose تنوعًا يجعلها مناسبة لتقييم مسارات التدريب، وتحديد الأخطاء المحتملة، واستخدامها خطوةً تمهيديةً قيّمة قبل العمل مع مجموعات بيانات أكبر من أجل تقدير الوضعية.

بعد أن يدرّب مسار العمل لديك بنجاح على هذه المجموعة الصغيرة، استبدل نقاط المفتاح الخاصة بالحيوانات أو الكائنات بنقاطك الخاصة، ووسّع نطاق التدريب على منصة Ultralytics من دون مغادرة المتصفح.

بنية مجموعة البيانات#

• إجمالي الصور: 263 (210 للتدريب / 53 للتحقق).
• نقاط المفتاح: 12 لكل نمر (من دون علامة رؤية).
• حجم التنزيل: ~49.8 ميغابايت.
• بنية الدليل: نقاط مفتاح بتنسيق YOLO مخزّنة ضمن labels/{train,val} إلى جانب أدلة images/{train,val}.

YAML مجموعة البيانات#

يُستخدم ملف YAML لتحديد تفاصيل إعداد مجموعة البيانات. ويشمل بيانات أساسية مثل مسارات الملفات، وتعريفات الفئات، وغيرها من المعلومات ذات الصلة. وتحديدًا، بالنسبة إلى ملف tiger-pose.yaml، يمكنك الاطلاع على ملف إعداد مجموعة بيانات Ultralytics Tiger-Pose.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Tiger Pose dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/tiger-pose
# Example usage: yolo train data=tiger-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── tiger-pose ← downloads here (49.8 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: tiger-pose # dataset root dir
train: images/train # train images (relative to 'path') 210 images
val: images/val # val images (relative to 'path') 53 images

# Keypoints
kpt_shape: [12, 2] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

# Classes
names:
  0: tiger

# Keypoint names per class
kpt_names:
  0:
    - nose
    - head
    - withers
    - tail_base
    - right_hind_hock
    - right_hind_paw
    - left_hind_paw
    - left_hind_hock
    - right_front_wrist
    - right_front_paw
    - left_front_wrist
    - left_front_paw

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

الاستخدام#

لتدريب نموذج YOLO26n-pose على مجموعة بيانات Tiger-Pose لمدة 100 حقبة وبحجم صور قدره 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط 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="tiger-pose.yaml", epochs=100, imgsz=640)

الصور والتعليقات التوضيحية النموذجية#

فيما يلي بعض الأمثلة على الصور من مجموعة بيانات Tiger-Pose، إلى جانب التعليقات التوضيحية المطابقة لها:

• الصورة الموزاييكية: توضح هذه الصورة دفعة تدريب مكوّنة من صور موزاييكية من مجموعة البيانات. والموزاييك تقنية تُستخدم أثناء التدريب وتجمع صورًا متعددة في صورة واحدة لزيادة تنوع الأجسام والمشاهد ضمن كل دفعة تدريب. ويساعد ذلك على تحسين قدرة النموذج على التعميم على أحجام الأجسام ونِسَب العرض إلى الارتفاع والسياقات المختلفة.

يوضّح المثال تنوع الصور وتعقيدها في مجموعة بيانات Tiger-Pose، وفوائد استخدام الفسيفساء أثناء عملية التدريب.

مثال على الاستدلال#

بعد التدريب، حمّل أفضل نقطة تحقق وشغّل الاستدلال على صور أو فيديو جديد — راجع صفحة التنبؤ للاطلاع على القائمة الكاملة للوسائط.

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a tiger-pose trained model

# Run inference
results = model.predict(source="https://youtu.be/Gc6K5eKrTNQ", show=True)

الاقتباسات والشكر والتقدير#

تُصدر Ultralytics التعليقات التوضيحية لمجموعة بيانات Tiger-Pose بموجب ترخيص AGPL-3.0. ويظل الفيديو المصدر خاضعًا لشروطه الأصلية، التي ينبغي مراجعتها قبل استخدام الإطارات المستخرجة أو إعادة توزيعها.

الأسئلة الشائعة#