Conjunto de datos COCO-Pose#

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

El conjunto de datos COCO-Pose adapta COCO (Common Objects in Context) para la estimación de poses: 58 945 imágenes de COCO Keypoints 2017, anotadas con 156 165 personas utilizando un esquema de 17 puntos clave. Es el conjunto estándar para entrenar y evaluar modelos de puntos clave como Ultralytics YOLO26, y el subconjunto de 8 imágenes COCO8-Pose refleja su formato para comprobaciones rápidas de cordura.

Modelos preentrenados de COCO-Pose#

Características clave#

• 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 tripletes (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 lo hace adecuado para comparar el rendimiento de los modelos.
• Tamaño de descarga: ~20,2 GB en el primer uso (train2017.zip + val2017.zip + etiquetas). Los 7 GB de test2017.zip no se descargan automáticamente, ya que esas imágenes tienen la verdad de terreno oculta y solo se necesitan para un envío a test-dev2017.

Estructura del dataset#

Para el entrenamiento y la validación, COCO-Pose incluye solo imágenes de COCO 2017 con personas con anotaciones de puntos clave, por lo que sus divisiones etiquetadas son más pequeñas que las del 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 tiene 2 346 imágenes utilizadas con fines de validación durante el entrenamiento del modelo.
3. Test-dev2017: Un subconjunto de 20 288 imágenes del conjunto test2017 completo de 40 670 imágenes con la verdad de terreno oculta. El YAML del conjunto de datos enlaza esta división con el servidor de evaluación de puntos clave COCO test-dev.

El entrenamiento a esta escala es donde Ultralytics Platform resulta más útil: gestiona la potencia de cálculo para que puedas iniciar y supervisar ejecuciones sin necesidad de 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 poses. La gran cantidad de imágenes anotadas del conjunto de datos y las métricas de evaluación estandarizadas lo convierten en un recurso esencial para los investigadores y profesionales de la visión artificial que trabajan en posturas humanas.

YAML del dataset#

Se utiliza un archivo YAML para definir la configuración del conjunto de datos. Contiene información sobre las rutas, las clases y otra información relevante del conjunto de datos. 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 en el conjunto de datos COCO-Pose durante 100 épocas con un tamaño de imagen de 640, puedes utilizar los siguientes fragmentos de código. Para obtener una lista completa de los argumentos disponibles, consulta 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)

Muestras de imágenes y anotaciones#

El conjunto de datos COCO-Pose contiene un conjunto diverso de imágenes con figuras humanas anotadas con puntos clave. Aquí tienes algunos ejemplos de imágenes del conjunto de datos, junto con sus anotaciones correspondientes:

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

El ejemplo muestra la variedad y complejidad de las imágenes en el conjunto de datos COCO-Pose y los beneficios de usar mosaicos durante el proceso de entrenamiento.

Citas y agradecimientos#

Si utilizas el conjunto de datos COCO-Pose en tu trabajo de investigación o desarrollo, por favor 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 agradecer al 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.

FAQ#