COCO-Pose-Datensatz#

58,931

COCO 2017 Pose

ultralytics

publicPose

COCO 2017 human pose benchmark with 58,931 unique train and validation images and 156,104 person instances labeled with 17 keypoints. Includes official train2017 and val2017 pose subsets with exact and canonical duplicate source images normalized to one retained image. Licensed CC BY 4.0.

1 class5.6 GBAug 22, 2026

person

pose-estimationcocococo2017+2

Das COCO-Pose-Dataset adaptiert COCO (Common Objects in Context) für die Pose Estimation: 58.945 Bilder aus COCO Keypoints 2017, annotiert mit 156.165 Personen unter Verwendung eines Schemas mit 17 Keypoints. Es ist der Standarddatensatz für das Training und Benchmarking von Keypoint-Modellen wie Ultralytics YOLO26, und die Subset-Variante COCO8-Pose mit 8 Bildern spiegelt dessen Format für schnelle Plausibilitätsprüfungen wider.

COCO-Pose vortrainierte Modelle#

Hauptfunktionen#

• COCO-Pose baut auf der COCO Keypoints 2017-Challenge auf, die 1.710.498 einzelne Keypoints über 156.165 annotierte Personen hinweg kennzeichnet.
• Jede Personenannotation verwendet 17 Keypoint-Typen — Nase, Augen, Ohren, Schultern, Ellbogen, Handgelenke, Hüften, Knie und Fußknöchel —, die als (x, y, visibility)-Tripel gespeichert sind.
• Wie COCO bietet er standardisierte Bewertungsmetriken, einschließlich der Object Keypoint Similarity (OKS) für Pose-Estimation-Aufgaben, wodurch er sich gut für den Vergleich der Modellleistung eignet.
• Download-Größe: ~20,2 GB bei der ersten Verwendung (train2017.zip + val2017.zip + Labels). Die 7 GB große test2017.zip wird nicht automatisch abgerufen, da diese Bilder zurückgehaltene Ground Truth enthalten und nur für eine test-dev2017-Einreichung benötigt werden.

Datensatzstruktur#

Für Training und Validierung enthält COCO-Pose nur COCO 2017 Bilder mit Keypoint-annotierten Personen, daher sind seine gelabelten Splits kleiner als die des vollständigen COCO. Sein YAML definiert drei Subsets:

1. Train2017: Dieses Subset enthält 56.599 Bilder aus dem COCO Datensatz, annotiert für das Training von Pose Estimation Modellen.
2. Val2017: Dieses Subset enthält 2.346 Bilder, die für Validierungszwecke während des Modelltrainings verwendet werden.
3. Test-dev2017: Ein Subset von 20.288 Bildern aus dem vollständigen test2017-Set mit 40.670 Bildern und zurückgehaltener Ground Truth. Das Dataset-YAML verknüpft diesen Split mit dem COCO test-dev keypoints evaluation server.

Training in diesem Maßstab ist der Bereich, in dem die Ultralytics Platform am meisten hilft — sie verwaltet das Compute, sodass du Runs starten und überwachen kannst, ohne eigene GPUs bereitstellen zu müssen.

Anwendungen#

Das COCO-Pose-Dataset wird speziell für das Training und die Evaluierung von Deep-Learning-Modellen zur Keypoint-Erkennung und Pose Estimation verwendet. Die große Anzahl annotierter Bilder des Datensatzes und die standardisierten Evaluierungsmetriken machen es zu einer wesentlichen Ressource für Computer Vision-Forscher und -Praktiker, die an menschlichen Posen arbeiten.

Datensatz-YAML#

Eine YAML-Datei wird verwendet, um die Dataset-Konfiguration zu definieren. Sie enthält Informationen über die Pfade des Datensatzes, Klassen und andere relevante Informationen. Im Falle des COCO-Pose-Datasets wird die Datei coco-pose.yaml unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml gepflegt.

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

# COCO 2017 Keypoints dataset https://cocodataset.org by Microsoft
# Documentation: https://docs.ultralytics.com/datasets/pose/coco
# Example usage: yolo train data=coco-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco-pose ← downloads here (20.2 GB)

# 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: coco-pose # dataset root dir
train: train2017.txt # train images (relative to 'path') 56599 images
val: val2017.txt # val images (relative to 'path') 2346 images
test: test-dev2017.txt # 20288 of 40670 images, submit to https://codalab.lisn.upsaclay.fr/competitions/7403

# 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: |
  from pathlib import Path

  from ultralytics.utils import ASSETS_URL
  from ultralytics.utils.downloads import download

  # Download labels
  dir = Path(yaml["path"])  # dataset root dir

  urls = [f"{ASSETS_URL}/coco2017labels-pose.zip"]
  download(urls, dir=dir.parent)

  # Download data (test2017.zip excluded: ground truth is withheld, only used for the CodaLab test-dev split)
  urls = [
      "http://images.cocodataset.org/zips/train2017.zip",  # 19G, 118k images
      "http://images.cocodataset.org/zips/val2017.zip",  # 1G, 5k images
  ]
  download(urls, dir=dir / "images", threads=3)

Verwendung#

Um ein YOLO26n-pose-Modell auf dem COCO-Pose-Dataset für 100 Epochen mit einer Bildgröße von 640 zu trainieren, kannst du die folgenden Code-Snippets verwenden. Eine umfassende Liste der verfügbaren Argumente findest du auf der Modellseite Training.

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="coco-pose.yaml", epochs=100, imgsz=640)

Beispielbilder und Annotationen#

Der COCO-Pose-Datensatz enthält eine vielfältige Sammlung von Bildern mit menschlichen Figuren, die mit Keypoints annotiert sind. Hier sind einige Beispiele von Bildern aus dem Datensatz, zusammen mit den entsprechenden Annotationen:

• Mosaik-Bild: Dieses Bild zeigt einen Trainings-Batch, der aus mosaikierten Datensatz-Bildern besteht. Mosaicing ist eine Technik, die während des Trainings verwendet wird, um mehrere Bilder zu einem einzigen Bild zu kombinieren, um die Vielfalt der Objekte und Szenen innerhalb jedes Trainings-Batches zu erhöhen. Dies trägt dazu bei, die Fähigkeit des Modells zu verbessern, auf verschiedene Objektgrößen, Seitenverhältnisse und Kontexte zu generalisieren.

Das Beispiel verdeutlicht die Vielfalt und Komplexität der Bilder im COCO-Pose-Datensatz sowie die Vorteile der Verwendung von Mosaicing während des Trainingsprozesses.

Zitate und Danksagungen#

Wenn du den COCO-Pose-Datensatz in deiner Forschung oder Entwicklungsarbeit verwendest, zitiere bitte das folgende Paper:

@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}
}

Wir möchten dem COCO Consortium für die Erstellung und Pflege dieser wertvollen Ressource für die Computer-Vision-Community danken. Weitere Informationen über das COCO-Pose-Dataset und seine Ersteller findest du auf der COCO dataset website.

FAQ#