コンテンツへスキップ

COCO-Pose データセット

COCO-Pose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る。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 のようなモデルの学習を可能にする。

ポーズサンプル画像

COCO-ポーズ事前学習モデル

モデル サイズ
(ピクセル)		 mAPpose
50-95		 mAPpose
50		 速度
CPUONNX
(ms)		 速度
A100 TensorRT
(ms)		 params
(M)		 FLOPs
(B)
YOLOv8n-ポーズ 640 50.4 80.1 131.8 1.18 3.3 9.2
YOLOv8s-ポーズ 640 60.0 86.2 233.2 1.42 11.6 30.2
YOLOv8m-ポーズ 640 65.0 88.8 456.3 2.00 26.4 81.0
YOLOv8l-ポーズ 640 67.6 90.0 784.5 2.59 44.4 168.6
YOLOv8x-ポーズ 640 69.2 90.2 1607.1 3.73 69.4 263.2
YOLOv8x-pose-p6 1280 71.6 91.2 4088.7 10.04 99.1 1066.4

主な特徴

  • COCO-Poseは、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、人物の17のキーポイントをサポートしており、詳細なポーズ推定を容易にしている。
  • COCOと同様に、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。

データセット構造

COCO-Poseデータセットは3つのサブセットに分割されている：

  1. Train2017：このサブセットには、COCOデータセットの118K画像の一部が含まれ、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。
  2. Val2017：このサブセットには、モデルのトレーニング中に検証目的で使用された画像のセレクションがあります。
  3. 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-Pose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-Poseデータセットの場合は coco-pose.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml.

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)

使用方法

COCO-PoseデータセットでYOLOv8n-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できます。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ページを参照してください。

列車の例

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

サンプル画像と注釈

COCO-Pose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：

データセットサンプル画像

  • モザイク画像：この画像は、モザイク処理されたデータセット画像で構成されたトレーニングバッチを示す。モザイク処理とは、複数の画像を1つの画像に合成し、各トレーニングバッチ内のオブジェクトやシーンの種類を増やすトレーニング時に使用される手法です。これにより、異なるオブジェクトサイズ、アスペクト比、コンテクストに対するモデルの汎化能力を向上させることができます。

この例では、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処理を使用する利点を示しています。

引用と謝辞

COCO-Poseデータセットを研究開発に使用する場合は、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}
}

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-Pose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。



作成日：2023-11-12 更新日：2024-04-17
作成者：glenn-jocher(4),RizwanMunawar(1),Laughing-q(1)

コメント