Dataset Tiger-Pose#

262

Tiger Pose

ultralytics

publicPose

Tiger Pose contains 1280 x 720 video frames derived from an attributed YouTube tiger video. Each labeled animal has 12 two-dimensional keypoints, supporting articulated pose estimation across walking, standing, body orientation, limb movement, and partial occlusion.

1 class44 MBSep 2, 2026

tiger

tigerswildlifepose-estimation+1

Introduzione#

Ultralytics presenta il dataset Tiger-Pose, una raccolta versatile progettata per le attività di stima della posa. Questo dataset comprende 263 immagini estratte da un video di YouTube, di cui 210 destinate all'addestramento e 53 alla convalida. È un'ottima risorsa per testare e risolvere i problemi degli algoritmi di stima della posa.

Nonostante il set di addestramento gestibile di 210 immagini, il dataset Tiger-Pose offre una buona varietà, risultando adatto a valutare le pipeline di addestramento, individuare potenziali errori e fungere da prezioso passaggio preliminare prima di lavorare con dataset più grandi per la stima della posa.

Una volta verificato che la pipeline si addestra correttamente su questo piccolo set, sostituisci i keypoint con quelli dei tuoi animali o oggetti e amplia l'addestramento su Ultralytics Platform, direttamente dal browser.

Struttura del dataset#

• Immagini totali: 263 (210 train / 53 val).
• Keypoint: 12 per tigre (senza indicatore di visibilità).
• Dimensioni del download: ~49.8 MB.
• Struttura delle directory: keypoint in formato YOLO archiviati in labels/{train,val}, insieme alle directory images/{train,val}.

YAML del dataset#

Un file YAML permette di specificare i dettagli di configurazione di un dataset. Include dati essenziali come percorsi dei file, definizioni delle classi e altre informazioni pertinenti. Per il file tiger-pose.yaml, puoi consultare File di configurazione del dataset Ultralytics Tiger-Pose.

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

# Tiger Pose dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/tiger-pose
# Example usage: yolo train data=tiger-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── tiger-pose ← downloads here (49.8 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: tiger-pose # dataset root dir
train: images/train # train images (relative to 'path') 210 images
val: images/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

# Keypoint names per class
kpt_names:
  0:
    - nose
    - head
    - withers
    - tail_base
    - right_hind_hock
    - right_hind_paw
    - left_hind_paw
    - left_hind_hock
    - right_front_wrist
    - right_front_paw
    - left_front_wrist
    - left_front_paw

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/tiger-pose.zip

Utilizzo#

Per addestrare un modello YOLO26n-pose sul dataset Tiger-Pose per 100 epoche con una dimensione immagine di 640, puoi usare i seguenti frammenti di codice. Per l'elenco completo degli argomenti disponibili, consulta la pagina Addestramento del modello.

from ultralytics import YOLO

# Carica un modello
model = YOLO("yolo26n-pose.pt")  # carica un modello preaddestrato (consigliato per l'addestramento)

# Addestra il modello
results = model.train(data="tiger-pose.yaml", epochs=100, imgsz=640)

Immagini di esempio e annotazioni#

Ecco alcuni esempi di immagini del dataset Tiger-Pose, con le relative annotazioni:

• Immagine a mosaico: questa immagine mostra un batch di addestramento composto da immagini del dataset unite in un mosaico. La creazione di mosaici è una tecnica utilizzata durante l'addestramento che combina più immagini in una sola per aumentare la varietà di oggetti e scene in ogni batch di addestramento. Questo aiuta a migliorare la capacità del modello di generalizzare a oggetti di dimensioni e proporzioni diverse e a contesti differenti.

L'esempio mostra la varietà e la complessità delle immagini del dataset Tiger-Pose e i vantaggi dell'uso del mosaico durante l'addestramento.

Esempio di inferenza#

Dopo l'addestramento, carica il checkpoint migliore ed esegui l'inferenza su nuove immagini o video: consulta la pagina Predizione per l'elenco completo degli argomenti.

from ultralytics import YOLO

# Carica un modello
model = YOLO("path/to/best.pt")  # carica un modello addestrato su tiger-pose

# Esegui l'inferenza
results = model.predict(source="https://youtu.be/Gc6K5eKrTNQ", show=True)

Citazioni e ringraziamenti#

Ultralytics distribuisce le annotazioni del dataset Tiger-Pose con la licenza AGPL-3.0. Il video sorgente resta soggetto ai suoi termini originali, che è opportuno consultare prima di utilizzare o ridistribuire i fotogrammi estratti.

Domande frequenti#