COCO-पोज़ डेटासेट

COCO-Pose डेटासेट COCO (कॉमन ऑब्जेक्ट्स इन कॉन्टेक्स्ट) डेटासेट का एक विशेष संस्करण है, जिसे पोज़ अनुमान कार्यों के लिए डिज़ाइन किया गया है। यह COCO कीपॉइंट्स 2017 छवियों और लेबल का लाभ उठाता है जैसे मॉडल के प्रशिक्षण को सक्षम करने के लिएYOLO मुद्रा अनुमान कार्यों के लिए।

COCO-पोज़ प्रीट्रेन्ड मॉडल

प्रमुख विशेषताऐं

• COCO-Pose COCO कीपॉइंट्स 2017 डेटासेट पर बनाता है जिसमें पोज़ अनुमान कार्यों के लिए कीपॉइंट के साथ लेबल की गई 200K छवियां होती हैं।
• डेटासेट मानव आंकड़ों के लिए 17 प्रमुख बिंदुओं का समर्थन करता है, जिससे विस्तृत मुद्रा अनुमान की सुविधा मिलती है।
• COCO की तरह, यह मुद्रा, अनुमान कार्यों के लिए ऑब्जेक्ट कीपॉइंट समानता (OKS) सहित मानकीकृत मूल्यांकन मीट्रिक प्रदान करता है, जिससे यह मॉडल प्रदर्शन की तुलना करने के लिए उपयुक्त हो जाता है।

डेटासेट संरचना

COCO-Pose डेटासेट को तीन सबसेट में विभाजित किया गया है:

1. ट्रेन2017: इस सबसेट में COCO डेटासेट से 118K छवियों का एक हिस्सा शामिल है, जो प्रशिक्षण मुद्रा अनुमान मॉडल के लिए एनोटेट किया गया है।
2. Val2017: इस सबसेट में मॉडल प्रशिक्षण के दौरान सत्यापन उद्देश्यों के लिए उपयोग की जाने वाली छवियों का चयन है।
3. Test2017: इस सबसेट में प्रशिक्षित मॉडलों के परीक्षण और बेंचमार्किंग के लिए उपयोग की जाने वाली छवियां शामिल हैं। इस सबसेट के लिए ग्राउंड ट्रुथ एनोटेशन सार्वजनिक रूप से उपलब्ध नहीं हैं, और परिणाम प्रदर्शन मूल्यांकन के लिए COCO मूल्यांकन सर्वर पर सबमिट किए जाते हैं।

अनुप्रयोगों

COCO-Pose डेटासेट का उपयोग विशेष रूप से कीपॉइंट डिटेक्शन और पोज़ अनुमान कार्यों में गहन शिक्षण मॉडल के प्रशिक्षण और मूल्यांकन के लिए किया जाता है, जैसे OpenPose। डेटासेट की बड़ी संख्या में एनोटेट की गई छवियां और मानकीकृत मूल्यांकन मेट्रिक्स इसे कंप्यूटर दृष्टि शोधकर्ताओं और चिकित्सकों के लिए मुद्रा अनुमान पर केंद्रित एक आवश्यक संसाधन बनाते हैं।

डेटासेट YAML

डेटासेट कॉन्फ़िगरेशन को परिभाषित करने के लिए एक YAML (अभी तक एक और मार्कअप भाषा) फ़ाइल का उपयोग किया जाता है। इसमें डेटासेट के पथ, कक्षाओं और अन्य प्रासंगिक जानकारी के बारे में जानकारी होती है। COCO-Pose डेटासेट के मामले में, coco-pose.yaml फ़ाइल पर बनाए रखा जाता है https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 license
# COCO 2017 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 (20.1 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: ../datasets/coco-pose # dataset root dir
train: train2017.txt # train images (relative to 'path') 118287 images
val: val2017.txt # val images (relative to 'path') 5000 images
test: test-dev2017.txt # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

# 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

# Download script/URL (optional)
download: |
  from ultralytics.utils.downloads import download
  from pathlib import Path

  # Download labels
  dir = Path(yaml['path'])  # dataset root dir
  url = 'https://github.com/ultralytics/yolov5/releases/download/v1.0/'
  urls = [url + 'coco2017labels-pose.zip']  # labels
  download(urls, dir=dir.parent)
  # Download data
  urls = ['http://images.cocodataset.org/zips/train2017.zip',  # 19G, 118k images
          'http://images.cocodataset.org/zips/val2017.zip',  # 1G, 5k images
          'http://images.cocodataset.org/zips/test2017.zip']  # 7G, 41k images (optional)
  download(urls, dir=dir / 'images', threads=3)

उपयोग

एक प्रशिक्षित करने के लिए YOLOv8n-POSE मॉडल 640 के छवि आकार के साथ 100 युगों के लिए COCO-Pose डेटासेट पर, आप निम्न कोड स्निपेट का उपयोग कर सकते हैं। उपलब्ध तर्कों की व्यापक सूची के लिए, मॉडल प्रशिक्षण पृष्ठ देखें।

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

# Start training from a pretrained *.pt model
yolo detect train data=coco-pose.yaml model=yolov8n.pt epochs=100 imgsz=640

नमूना छवियाँ और एनोटेशन

COCO-Pose डेटासेट में मुख्य बिंदुओं के साथ एनोटेट किए गए मानव आकृतियों के साथ छवियों का एक विविध सेट होता है। यहां डेटासेट से छवियों के कुछ उदाहरण दिए गए हैं, साथ ही उनके संबंधित एनोटेशन के साथ:

• मोज़ेड छवि: यह छवि मोज़ेक डेटासेट छवियों से बना एक प्रशिक्षण बैच प्रदर्शित करती है। मोज़ेसिंग प्रशिक्षण के दौरान उपयोग की जाने वाली एक तकनीक है जो प्रत्येक प्रशिक्षण बैच के भीतर वस्तुओं और दृश्यों की विविधता को बढ़ाने के लिए कई छवियों को एक ही छवि में जोड़ती है। यह विभिन्न ऑब्जेक्ट आकारों, पहलू अनुपात और संदर्भों को सामान्यीकृत करने की मॉडल की क्षमता को बेहतर बनाने में मदद करता है।

उदाहरण COCO-Pose डेटासेट में छवियों की विविधता और जटिलता और प्रशिक्षण प्रक्रिया के दौरान मोज़ेकिंग का उपयोग करने के लाभों को प्रदर्शित करता है।

प्रशंसा पत्र और पावती

यदि आप अपने शोध या विकास कार्य में COCO-Pose डेटासेट का उपयोग करते हैं, तो कृपया निम्नलिखित पेपर का हवाला दें:

@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}
}

हम कंप्यूटर दृष्टि समुदाय के लिए इस मूल्यवान संसाधन को बनाने और बनाए रखने के लिए कोको कंसोर्टियम को स्वीकार करना चाहते हैं। COCO-Pose डेटासेट और इसके रचनाकारों के बारे में अधिक जानकारी के लिए, COCO डेटासेट वेबसाइट पर जाएँ।

टिप्पणियाँ