Conjunto de datos COCO-Pose#

58,931

COCO 2017 Pose

ultralytics

publicPose

COCO 2017 Pose is the canonical human-keypoint benchmark, labeling person instances with 17 body landmarks in everyday scenes. It covers varied poses, scales, crowding, truncation, and occlusion for standardized articulated-human pose estimation.

1 class5.6 GBSep 2, 2026

person

pose-estimationcocococo2017+2

El conjunto de datos COCO-Pose adapta COCO (Objetos comunes en contexto) para la estimación de pose: 58.945 imágenes de COCO Keypoints 2017, anotadas con 156.165 personas mediante un esquema de 17 puntos clave. Es el conjunto estándar para entrenar y comparar modelos de puntos clave, como Ultralytics YOLO26, y el subconjunto de 8 imágenes COCO8-Pose replica su formato para comprobaciones rápidas de coherencia.

Modelos preentrenados de COCO-Pose#

Características principales#

• COCO-Pose se basa en el desafío COCO Keypoints 2017, que etiqueta 1.710.498 puntos clave individuales en 156.165 personas anotadas.
• Cada anotación de persona utiliza 17 tipos de puntos clave —nariz, ojos, orejas, hombros, codos, muñecas, caderas, rodillas y tobillos— almacenados como tripletas (x, y, visibility).
• Al igual que COCO, proporciona métricas de evaluación estandarizadas, incluida la similitud de puntos clave de objetos (OKS) para tareas de estimación de pose, lo que permite comparar el rendimiento de los modelos.
• Tamaño de la descarga: ~20,2 GB la primera vez que se usa (train2017.zip + val2017.zip + etiquetas). El archivo de 7 GB test2017.zip no se descarga automáticamente, ya que esas imágenes tienen las anotaciones reales ocultas y solo son necesarias para un envío a test-dev2017.

Estructura del dataset#

Para el entrenamiento y la validación, COCO-Pose solo incluye imágenes de COCO 2017 con personas anotadas con puntos clave, por lo que sus particiones etiquetadas son más pequeñas que las de COCO completo. Su YAML define tres subconjuntos:

1. Train2017: este subconjunto contiene 56.599 imágenes del conjunto de datos COCO, anotadas para entrenar modelos de estimación de pose.
2. Val2017: este subconjunto contiene 2.346 imágenes utilizadas para la validación durante el entrenamiento del modelo.
3. Test-dev2017: un subconjunto de 20.288 imágenes del conjunto test2017 completo de 40.670 imágenes, con las anotaciones reales ocultas. El YAML del conjunto de datos vincula esta partición al servidor de evaluación de puntos clave COCO test-dev.

El entrenamiento a esta escala es donde Ultralytics Platform resulta más útil: gestiona la capacidad de cálculo para que puedas iniciar y supervisar ejecuciones sin tener que aprovisionar tus propias GPU.

Aplicaciones#

El conjunto de datos COCO-Pose se utiliza específicamente para entrenar y evaluar modelos de aprendizaje profundo en detección de puntos clave y estimación de pose. Su gran cantidad de imágenes anotadas y sus métricas de evaluación estandarizadas lo convierten en un recurso esencial para investigadores y profesionales de la visión artificial que trabajan con la pose humana.

YAML del dataset#

Se utiliza un archivo YAML para definir la configuración del conjunto de datos. Contiene información sobre las rutas, las clases y otros datos relevantes del conjunto. En el caso del conjunto de datos COCO-Pose, el archivo coco-pose.yaml se mantiene en https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml.

# 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)

Uso#

Para entrenar un modelo YOLO26n-pose con el conjunto de datos COCO-Pose durante 100 épocas y con un tamaño de imagen de 640, puedes utilizar los siguientes fragmentos de código. Para consultar una lista completa de los argumentos disponibles, visita la página de Entrenamiento del modelo.

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)

Imágenes de ejemplo y anotaciones#

El conjunto de datos COCO-Pose contiene una colección diversa de imágenes con figuras humanas anotadas con puntos clave. Estos son algunos ejemplos de imágenes del conjunto de datos, junto con sus anotaciones correspondientes:

• Imagen con mosaico: Esta imagen muestra un lote de entrenamiento compuesto por imágenes del conjunto de datos combinadas mediante mosaico. El mosaico es una técnica utilizada durante el entrenamiento que combina varias imágenes en una sola para aumentar la variedad de objetos y escenas de cada lote de entrenamiento. Esto ayuda a mejorar la capacidad del modelo para generalizar a distintos tamaños de objetos, relaciones de aspecto y contextos.

El ejemplo muestra la variedad y complejidad de las imágenes del conjunto de datos COCO-Pose, así como las ventajas de utilizar mosaicos durante el proceso de entrenamiento.

Citas y agradecimientos#

Si utilizas el conjunto de datos COCO-Pose en tu trabajo de investigación o desarrollo, cita el siguiente artículo:

@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}
}

Queremos reconocer la labor del COCO Consortium por crear y mantener este valioso recurso para la comunidad de visión artificial. Para obtener más información sobre el conjunto de datos COCO-Pose y sus creadores, visita el sitio web del conjunto de datos COCO.

Preguntas frecuentes#