COCO-Poseデータセット#
COCO-Poseデータセットは、COCO（文脈内の一般的な物体）をポーズ推定向けに適用したもので、COCO Keypoints 2017の58,945枚の画像に、17キーポイントのスキーマを用いて156,165人がアノテーションされています。Ultralytics YOLO26などのキーポイントモデルのトレーニングやベンチマークに使用される標準的なデータセットであり、8枚の画像からなるCOCO8-Poseサブセットは、その形式を踏襲して簡単な動作確認に使用できます。
COCO-Poseの事前学習済みモデル#
| モデル | サイズ (ピクセル) | mAP姿勢 50-95(e2e) | mAP姿勢 50(e2e) | 速度 CPU ONNX (ms) | 速度 T4 TensorRT10 (ms) | パラメーター (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-pose | 640 | 57.2 | 83.3 | 40.3 ± 0.5 | 1.8 ± 0.0 | 2.9 | 7.6 |
| YOLO26s-pose | 640 | 63.0 | 86.6 | 85.3 ± 0.9 | 2.7 ± 0.0 | 10.4 | 24.1 |
| YOLO26m-pose | 640 | 68.8 | 89.6 | 218.0 ± 1.5 | 5.0 ± 0.1 | 21.5 | 73.3 |
| YOLO26l-pose | 640 | 70.4 | 90.5 | 275.4 ± 2.4 | 6.5 ± 0.1 | 25.9 | 91.7 |
| YOLO26x-pose | 640 | 71.6 | 91.6 | 565.4 ± 3.0 | 12.2 ± 0.2 | 57.6 | 202.3 |
主な機能#
- COCO-Poseは、156,165人に対して1,710,498個の個別キーポイントをラベル付けしたCOCO Keypoints 2017チャレンジを基盤としています。
- 各人物のアノテーションでは、鼻、目、耳、肩、肘、手首、腰、膝、足首を含む17種類のキーポイントを、
(x, y, visibility)のトリプレットとして格納します。 - COCOと同様に、ポーズ推定タスク向けのObject Keypoint Similarity（OKS）を含む標準化された評価指標を提供しており、モデルの性能比較に適しています。
- ダウンロードサイズ: 初回使用時に~20.2 GB（
train2017.zip+val2017.zip+ ラベル）です。7 GBのtest2017.zipは自動取得されません。これらの画像には正解データが含まれておらず、test-dev2017への提出にのみ必要なためです。
データセットの構成#
トレーニングと検証に使用するCOCO-Poseには、キーポイントがアノテーションされた人物を含むCOCO 2017画像のみが含まれるため、ラベル付きの分割データはCOCO全体より小規模です。YAMLでは3つのサブセットが定義されています:
- Train2017: このサブセットには、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たCOCOデータセットの画像が56,599枚含まれています。
- Val2017: このサブセットには、モデルのトレーニング中の検証に使用する画像が2,346枚含まれています。
- Test-dev2017: 正解データが非公開の、test2017全体40,670枚のうち20,288枚からなるサブセットです。データセットYAMLでは、この分割データをCOCO test-devキーポイント評価サーバーに関連付けています。
この規模のトレーニングでは、Ultralytics Platformが大いに役立ちます。コンピューティングリソースを管理するため、自分でGPUを用意することなく、実行を開始して監視できます。
用途#
COCO-Poseデータセットは、キーポイント検出とポーズ推定に関するディープラーニングモデルのトレーニングと評価に特化しています。アノテーション付き画像が多数あり、評価指標も標準化されているため、人間のポーズに取り組むコンピュータービジョンの研究者や実務者にとって不可欠なリソースです。
データセットYAML#
データセットの設定にはYAMLファイルを使用します。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ます。COCO-Poseデータセットの場合、coco-pose.yamlファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yamlで管理されています。
# 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)使用方法#
COCO-PoseデータセットでYOLO26n-poseモデルを、画像サイズ640、100エポックでトレーニングするには、以下のコードスニペットを使用します。使用可能な引数の一覧については、モデルのトレーニングページをご覧ください。
from ultralytics import YOLO
# モデルを読み込む
model = YOLO("yolo26n-pose.pt") # 事前トレーニング済みモデルを読み込みます（トレーニングにはこちらを推奨します）
# モデルをトレーニングする
results = model.train(data="coco-pose.yaml", epochs=100, imgsz=640)サンプル画像とアノテーション#
COCO-Poseデータセットには、キーポイントがアノテーションされた人物画像が多様に含まれています。以下に、データセット内の画像と対応するアノテーションの例を示します。
- モザイク画像: モザイク化し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。モザイク化はトレーニング中に使用される手法で、複数の画像を1枚にまとめ、各トレーニングバッチ内のオブジェクトやシーンの多様性を高めます。これにより、さまざまなオブジェクトサイズ、アスペクト比、コンテキストに対するモデルの汎化性能が向上します。
この例は、COCO-Pose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を使用する利点を示しています。
引用と謝辞#
研究または開発でCOCO-Poseデータセットを使用する場合は、以下の論文を引用してください。
@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}
}コンピュータービジョンコミュニティにとって貴重なこのリソースを作成し、維持しているCOCO Consortiumに感謝いたします。COCO-Poseデータセットとその作成者について詳しくは、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-Poseは、COCO Keypoints 2017の画像とアノテーションをYOLOキーポイント形式に変換したもので、58,945枚の画像にわたって17キーポイントのスキーマを使用します。任意のUltralytics YOLOポーズモデルで
data=coco-pose.yamlを指定してください。そこから調整可能なすべての引数については、学習ページで説明しています。COCO-Poseデータセットは、元のCOCOデータセットと同様に、ポーズ推定タスク向けの標準化された評価指標を複数提供します。主な指標には、予測されたキーポイントと正解アノテーションとの精度を評価するObject Keypoint Similarity (OKS)があります。これらの指標により、異なるモデルのパフォーマンスを詳細に比較できます。たとえば、YOLO26n-poseやYOLO26s-poseなどのCOCO-Pose事前学習済みモデルについては、ドキュメントにmAPpose50-95やmAPpose50などの具体的なパフォーマンス指標が記載されています。
COCO-Poseには、ラベル付きの分割データが2つ含まれています。train2017画像が56,599枚、val2017画像が2,346枚です。3つ目の分割であるtest-dev2017（test2017画像全40,670枚のうち20,288枚）では正解データが非公開となっています。データセットのYAMLファイルからCOCO test-devキーポイント評価サーバーにアクセスできます。データセットの構成セクション、または正確な分割パスが記載されたGitHub上の
coco-pose.yamlファイルを参照してください。COCO-Poseは17種類の人物キーポイントを使用し、モデル比較のためのObject Keypoint Similarity (OKS)など、COCO標準の指標を継承しています。この組み合わせは、スポーツ分析、医療、人間とコンピューターのインタラクションなどの人物ポーズ関連の用途に適しています。事前学習済みYOLO26-poseの重みはCOCO-Pose事前学習済みモデルに掲載されています。
キーポイントモデルの詳細については、ポーズ推定タスクのドキュメントを参照してください。