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#

تقدم Ultralytics مجموعة بيانات Tiger-Pose، وهي مجموعة متعددة الاستخدامات مصممة لمهام تقدير الوضعية. تتألف مجموعة البيانات من 263 صورة مصدرها فيديو على YouTube، خُصصت 210 صور منها للتدريب و53 للتحقق. وهي مورد ممتاز لاختبار خوارزميات تقدير الوضعية واستكشاف مشكلاتها وإصلاحها.

على الرغم من أن مجموعة التدريب فيها قابلة للإدارة وتضم 210 صور، فإن مجموعة بيانات Tiger-Pose توفر تنوعًا يجعلها مناسبة لتقييم مسارات التدريب، وتحديد الأخطاء المحتملة، واستخدامها خطوة أولية قيّمة قبل العمل مع مجموعات بيانات أكبر لمهام تقدير الوضعية.

بعد أن يعمل مسار التدريب لديك بسلاسة على هذه المجموعة الصغيرة، استبدل نقاطها الرئيسية بنقاط حيواناتك أو أغراضك، ووسّع نطاق التدريب على منصة Ultralytics دون مغادرة المتصفح.

بنية مجموعة البيانات#

• إجمالي الصور: 263 (210 للتدريب / 53 للتحقق).
• النقاط الرئيسية: 12 لكل نمر (من دون علم للرؤية).
• حجم التنزيل: ~49.8 MB.
• تخطيط الدليل: تُخزَّن النقاط الرئيسية بتنسيق YOLO ضمن labels/{train,val} إلى جانب أدلة images/{train,val}.

ملف YAML لمجموعة البيانات#

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

# 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 صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n-pose.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩

# ⁨تدريب النموذج⁩
results = model.train(data="tiger-pose.yaml", epochs=100, imgsz=640)

صور وتعليقات توضيحية نموذجية#

فيما يلي بعض الأمثلة على الصور من مجموعة بيانات Tiger-Pose، مع الوسوم المقابلة لها:

• صورة فسيفسائية: توضح هذه الصورة دفعة تدريب مكوّنة من صور مجموعة البيانات بعد دمجها بتقنية الفسيفساء. الفسيفساء تقنية تُستخدم أثناء التدريب، وتجمع صوراً متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد في كل دفعة تدريب. ويساعد ذلك على تحسين قدرة النموذج على التعميم على أحجام الكائنات ونسب أبعادها وسياقاتها المختلفة.

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

مثال على الاستدلال#

بعد التدريب، حمّل أفضل نقطة تحقق لديك ونفّذ الاستدلال على صور أو مقاطع فيديو جديدة — راجع صفحة التنبؤ للاطلاع على القائمة الكاملة للوسائط.

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("path/to/best.pt")  # ⁨حمّل نموذجًا مدرّبًا على tiger-pose⁩

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

الاستشهادات والشكر والتقدير#

تصدر Ultralytics وسوم مجموعة بيانات Tiger-Pose بموجب رخصة AGPL-3.0. ويظل الفيديو المصدر خاضعًا لشروطه الأصلية، التي ينبغي مراجعتها قبل استخدام الإطارات المستخرجة أو إعادة توزيعها.

الأسئلة الشائعة#