Saltar al contenido

Conjunto de datos Tiger-Pose

Introducci贸n

Ultralytics presenta el conjunto de datos Tiger-Pose, una colecci贸n vers谩til dise帽ada para tareas de estimaci贸n de la pose. Este conjunto de datos consta de 263 im谩genes procedentes de un v铆deo de YouTube, con 210 im谩genes asignadas para el entrenamiento y 53 para la validaci贸n. Sirve como excelente recurso para probar y solucionar problemas del algoritmo de estimaci贸n de la pose.

A pesar de su manejable tama帽o de 210 im谩genes, el conjunto de datos de la pose del tigre ofrece diversidad, lo que lo hace adecuado para evaluar las canalizaciones de entrenamiento, identificar posibles errores y servir como un valioso paso preliminar antes de trabajar con conjuntos de datos m谩s grandes para la estimaci贸n de la pose.

Este conjunto de datos est谩 pensado para su uso con Ultralytics HUB y YOLOv8.



Observa: Entrena el modelo YOLOv8 Pose en el conjunto de datos Tiger-Pose utilizando Ultralytics HUB

Conjunto de datos YAML

Un archivo YAML (Yet Another Markup Language) sirve para especificar los detalles de configuraci贸n de un conjunto de datos. Abarca datos cruciales como rutas de archivos, definiciones de clases y otra informaci贸n pertinente. En concreto, para el tiger-pose.yaml puedes comprobar Ultralytics Archivo de configuraci贸n del conjunto de datos Tiger-Pose.

ultralytics/cfg/datasets/tiger-pose.yaml

# Ultralytics YOLO 馃殌, AGPL-3.0 license
# Tiger Pose dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/tiger-pose/
# Example usage: yolo train data=tiger-pose.yaml
# parent
# 鈹溾攢鈹 ultralytics
# 鈹斺攢鈹 datasets
#     鈹斺攢鈹 tiger-pose  鈫 downloads here (75.3 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: ../datasets/tiger-pose # dataset root dir
train: train # train images (relative to 'path') 210 images
val: 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

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

Utilizaci贸n

Para entrenar un modelo YOLOv8n-pose en el conjunto de datos Tiger-Pose durante 100 茅pocas con un tama帽o de imagen de 640, puedes utilizar los siguientes fragmentos de c贸digo. Para obtener una lista completa de los argumentos disponibles, consulta la p谩gina Entrenamiento del modelo.

Ejemplo de tren

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-pose.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="tiger-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo task=pose mode=train data=tiger-pose.yaml model=yolov8n.pt epochs=100 imgsz=640

Ejemplos de im谩genes y anotaciones

He aqu铆 algunos ejemplos de im谩genes del conjunto de datos Tiger-Pose, junto con sus correspondientes anotaciones:

Imagen de muestra del conjunto de datos

  • Imagen en mosaico: Esta imagen muestra un lote de entrenamiento compuesto por im谩genes del conjunto de datos en mosaico. El mosaico es una t茅cnica utilizada durante el entrenamiento que combina varias im谩genes 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 generalizarse a diferentes tama帽os de objetos, relaciones de aspecto y contextos.

El ejemplo muestra la variedad y complejidad de las im谩genes del conjunto de datos Tiger-Pose y las ventajas de utilizar mosaicos durante el proceso de entrenamiento.

Ejemplo de inferencia

Ejemplo de inferencia

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://www.youtube.com/watch?v=MIBAT6BGE6U&pp=ygUYdGlnZXIgd2Fsa2luZyByZWZlcmVuY2Ug" show=True)
# Run inference using a tiger-pose trained model
yolo task=pose mode=predict source="https://www.youtube.com/watch?v=MIBAT6BGE6U&pp=ygUYdGlnZXIgd2Fsa2luZyByZWZlcmVuY2Ug" show=True model="path/to/best.pt"

Citas y agradecimientos

El conjunto de datos se ha publicado bajo la LicenciaAGPL-3.0 .



Creado 2023-11-12, Actualizado 2024-05-18
Autores: glenn-jocher (6), RizwanMunawar (1)

Comentarios