COCO データセット

Q: How is the dataset structured and split for the COCO-Pose dataset?

COCOデータセットは3つのサブセットに分割されている：これらのサブセットは、トレーニング、検証、テストの各フェーズを効果的に整理するのに役立つ。設定の詳細については、GitHubにあるcoco-poseyaml ファイルを参照してください。

COCOデータセットは、COCO (Common Objects in Context)データセットの特別バージョンで、ポーズ推定タスク用に設計されています。COCO Keypoints 2017の画像とラベルを活用し、姿勢推定タスクのためのYOLO ようなモデルの学習を可能にする。

ポーズのサンプル画像

COCO事前学習モデル

モデル	サイズ ^{(ピクセル)}	mAP^{ポーズ 50-95}	mAP^ポーズ 50	速度 ^{CPU ONNX (ms)}	速度 ^{T4 TensorRT10 (ms)}	params ^(M)	FLOPs ^(B)
YOLO11n-pose	640	50.0	81.0	52.4 ± 0.5	1.7 ± 0.0	2.9	7.4
YOLO11s-pose	640	58.9	86.3	90.5 ± 0.6	2.6 ± 0.0	9.9	23.1
YOLO11m-pose	640	64.9	89.4	187.3 ± 0.8	4.9 ± 0.1	20.9	71.4
YOLO11l-pose	640	66.1	89.9	247.7 ± 1.1	6.4 ± 0.1	26.1	90.3
YOLO11x-pose	640	69.5	91.1	488.0 ± 13.9	12.1 ± 0.2	58.8	202.8

主な特徴

COCO、ポーズ推定タスクのためのキーポイントでラベル付けされた200K画像を含むCOCO Keypoints 2017データセットに基づいて構築されている。
このデータセットは、人物に対して17個のキーポイントをサポートしており、詳細な姿勢推定を容易にします。
COCO同様に、ポーズ推定タスクのためのObject Keypoint Similarity (OKS)を含む標準化された評価メトリックを提供し、モデル性能の比較に適している。

データセットの構造

COCOデータセットは3つのサブセットに分かれている：

Train2017：このサブセットには、COCO データセットの56599枚の画像が含まれ、ポーズ推定モデルのトレーニング用にアノテーションされている。
Val2017: このサブセットには、モデルのトレーニング中の検証を目的として使用される2346枚の画像があります。
Test2017：このサブセットは、学習済みモデルのテストとベンチマークに使用される画像で構成される。このサブセットのグランドトゥルースアノテーションは公開されておらず、結果は性能評価のためにCOCO 評価サーバに提出される。

アプリケーション

COCOデータセットは、特にOpenPoseのようなキーポイント検出とポーズ推定タスクにおけるディープラーニングモデルのトレーニングと評価に使用されます。このデータセットの多数の注釈付き画像と標準化された評価指標は、ポーズ推定に焦点を当てたコンピュータビジョンの研究者や実務家にとって不可欠なリソースとなっています。

データセット YAML

YAML (Yet Another Markup Language) ファイルはデータセットの設定を定義するために使われる。このファイルには、データセットのパス、クラス、その他の関連情報が含まれている。COCOデータセットの場合は coco-pose.yaml fileは以下で管理されています: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml.

ultralyticsyaml

# 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 (20.1 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: 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
  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)

使用法

COCOデータセットでYOLO11n-poseモデルを画像サイズ640で100エポック学習させるには、以下のコードスニペットを使用します。利用可能な引数の包括的なリストについては、モデルのトレーニングのページを参照してください。

学習の例

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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 pose train data=coco-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

サンプル画像とアノテーション

COCOデータセットには、キーポイントでアノテーションされた人物の多様な画像セットが含まれています。このデータセットに含まれる画像の例を、対応するアノテーションとともに紹介します：

データセットのサンプル画像

モザイク化された画像: この画像は、モザイク化されたデータセット画像で構成されるトレーニングバッチを示しています。モザイキングは、各トレーニングバッチ内のオブジェクトとシーンの多様性を高めるために、複数の画像を1つの画像に結合するトレーニング中に使用される手法です。これにより、さまざまなオブジェクトのサイズ、アスペクト比、およびコンテキストに対するモデルの汎化能力が向上します。

この例では、COCOデータセットの画像の多様性と複雑さ、および学習プロセスでモザイク処理を使用する利点を示しています。

引用と謝辞

COCOデータセットを研究開発で使用する場合は、以下の論文を引用してください：

BibTeX

@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}
}

COCO コンソーシアムが、コンピュータビジョンコミュニティのためにこの貴重なリソースを作成し、維持してくださっていることに感謝いたします。COCOデータセットとその作成者についての詳細は、COCO データセットのウェブサイトをご覧ください。

よくある質問

COCOデータセットとは何ですか？また、ポーズ推定のためにUltralytics YOLO どのように使用するのですか？

COCOデータセットは、ポーズ推定タスク用に設計されたCOCO （Common Objects in Context）データセットの特殊バージョンです。COCO Keypoints 2017の画像とアノテーションをベースに構築されており、詳細なポーズ推定のためのUltralytics YOLO ようなモデルの学習が可能です。例えば、COCOデータセットを使用して、事前に訓練されたモデルをロードし、YAML設定でそれを訓練することにより、YOLO11n-poseモデルを訓練することができます。トレーニングの例については、トレーニングのドキュメントを参照してください。

COCOデータセットでYOLO11 モデルをトレーニングするには？

COCOデータセットに対するYOLO11 モデルの学習は、Python またはCLI コマンドのいずれかを使って行うことができる。例えば、画像サイズ640でYOLO11n-poseモデルを100エポック学習させるには、以下の手順に従います：

学習の例

PythonCLI

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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 pose train data=coco-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

トレーニングプロセスと利用可能な引数の詳細については、トレーニングページを確認してください。

COCOデータセットが提供する、モデルの性能を評価するためのさまざまな指標とは？

COCOデータセットは、オリジナルのCOCO データセットと同様に、ポーズ推定タスクのためのいくつかの標準化された評価メトリックを提供します。主なメトリクスには、予測されたキーポイントの精度をグランドトゥルース注釈に対して評価する、オブジェクトキーポイントシミラーリティ（OKS）が含まれます。これらのメトリクスにより、異なるモデル間の徹底的な性能比較が可能になります。例えば、YOLO11n-pose、YOLO11s-poseなどのCOCO事前学習モデルには、^mAPpose mAP^mAPpose mAPような特定のパフォーマンスメトリクスがドキュメントに記載されています。

COCOデータセットの構造と分割はどのようになっていますか？

COCOデータセットは3つのサブセットに分かれている：

Train2017：56599枚のCOCO 画像が含まれ、ポーズ推定モデルの学習用にアノテーションされている。
Val2017: モデルのトレーニング中の検証を目的とした2346枚の画像。
Test2017：学習済みモデルのテストとベンチマークに使用される画像。このサブセットのグランドトゥルースアノテーションは公開されておらず、結果は性能評価のためにCOCO 評価サーバに提出される。

これらのサブセットは、トレーニング、検証、およびテストのフェーズを効果的に整理するのに役立ちます。構成の詳細については、以下をご覧ください。 coco-pose.yaml ファイルは以下で入手できます。 GitHub.

COCOデータセットの主な特徴と用途は？

COCOデータセットは、COCO Keypoints 2017のアノテーションを拡張し、人物の17のキーポイントを含み、詳細なポーズ推定を可能にする。標準化された評価指標（OKSなど）により、異なるモデル間の比較が容易になります。COCOデータセットの用途は、スポーツ分析、ヘルスケア、ヒューマンコンピュータインタラクションなど、人物像の詳細なポーズ推定が必要とされる様々な領域に及ぶ。実用的な使用においては、ドキュメントで提供されているような事前学習済みモデル（例えば、YOLO11n-pose）を活用することで、プロセスを大幅に効率化することができます（Key Features）。

COCOデータセットを研究または開発で使用する場合は、以下のBibTeXエントリーで論文を引用してください。

📅 2年前に作成✏️ 11か月前に更新