コンテンツにスキップ

COCO8-Poseデータセット

はじめに

Ultralytics COCO8-Poseは、COCO train 2017セットの最初の8枚の画像（トレーニング用に4枚、検証用に4枚）で構成された、小規模ながら汎用性の高いポーズdetectデータセットです。このデータセットは、物体detectモデルのテストとデバッグ、または新しいdetectアプローチの実験に最適です。8枚の画像で構成されているため、管理が容易なほど十分に小さく、エラーのトレーニングパイプラインをテストし、より大きなデータセットをトレーニングする前に健全性チェックとして機能するのに十分な多様性があります。

データセットの構造

  • 総画像数: 8 (学習用4 / 検証用4)。
  • クラス: 1 (人物)、アノテーションあたり17個のキーポイント。
  • 推奨されるディレクトリレイアウト: datasets/coco8-pose/images/{train,val} および datasets/coco8-pose/labels/{train,val} YOLO形式のキーポイントがとして保存され .txt たファイル。

このデータセットは、Ultralytics PlatformおよびYOLO26での使用を目的としています。

データセット YAML

yaml（Yet Another Markup Language）ファイルは、データセットの構成を定義するために使用されます。これには、データセットのパス、クラス、およびその他の関連情報が含まれています。COCO8-Poseデータセットの場合、 coco8-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/coco8-pose.yaml.

ultralytics/cfg/datasets/coco8-pose.yaml

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

# COCO8-pose dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/coco8-pose/
# Example usage: yolo train data=coco8-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8-pose ← downloads here (1 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: coco8-pose # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

# 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: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8-pose.zip

使用法

COCO8-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。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-pose.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo pose train data=coco8-pose.yaml model=yolo26n-pose.pt epochs=100 imgsz=640

サンプル画像とアノテーション

COCO8-Poseデータセットの画像と、それに対応するアノテーションの例をいくつか示します。

COCO8キーポイント推定データセットモザイク

  • 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。

この例は、COCO8-Poseデータセットの画像の多様性と複雑さ、およびトレーニングプロセス中に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

研究または開発作業でCOCO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のためにこの貴重なリソースを作成し、維持しているCOCO Consortiumに感謝いたします。COCOデータセットとその作成者に関する詳細情報については、COCOデータセットウェブサイトをご覧ください。

よくある質問

COCO8-Poseデータセットとは何ですか？また、Ultralytics YOLO26でどのように使用されますか？

COCO8-Poseデータセットは、COCO train 2017セットの最初の8枚の画像（トレーニング用に4枚、検証用に4枚）を含む、小型で汎用性の高い姿勢検出データセットです。これは、オブジェクト検出モデルのテストとデバッグ、および新しい検出アプローチの実験のために設計されています。このデータセットは、Ultralytics YOLO26での迅速な実験に最適です。データセット構成の詳細については、データセットのyamlファイルを確認してください。

UltralyticsでCOCO8-Poseデータセットを使用してYOLO26モデルをトレーニングするにはどうすればよいですか？

COCO8-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、以下の例に従ってください。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-pose.pt")

# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)

yolo pose train data=coco8-pose.yaml model=yolo26n-pose.pt epochs=100 imgsz=640

トレーニング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。

COCO8-Poseデータセットを使用する利点は何ですか？

COCO8-Poseデータセットにはいくつかの利点があります。

  • コンパクトサイズ: わずか8枚の画像で、管理が簡単で、迅速な実験に最適です。
  • 多様なデータ: サイズは小さいながらも、徹底的なパイプラインテストに役立つ多様なシーンが含まれています。
  • エラーのデバッグ: 大規模なデータセットにスケールアップする前に、トレーニングエラーを特定し、健全性チェックを実行するのに最適です。

機能と使用法の詳細については、データセットの紹介セクションを参照してください。

COCO8-Poseデータセットを使用したYOLO26トレーニングプロセスにおいて、モザイク処理はどのように役立ちますか？

COCO8-Poseデータセットのsample_imagesで示されているモザイク処理は、複数の画像を1つに結合し、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ます。この手法は、さまざまなオブジェクトサイズ、アスペクト比、コンテキストにわたるモデルの汎化能力を向上させ、最終的にモデルのパフォーマンスを強化するのに役立ちます。例の画像については、「sample_imagesとアノテーション」セクションを参照してください。

COCO8-Poseデータセットのyamlファイルはどこにありますか？また、どのように使用しますか？

COCO8-Poseデータセットのyamlファイルは、https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yamlで見つけることができます。このファイルは、パス、クラス、およびその他の関連情報を含むデータセット構成を定義します。トレーニング例セクションで述べられているように、このファイルをYOLO26トレーニングスクリプトと共に使用してください。

その他の FAQ や詳細なドキュメントについては、Ultralytics Documentationをご覧ください。



📅 2年前に作成 ✏️ 7日前に更新
glenn-jocherUltralyticsAssistantjk4eMatthewNoyceRizwanMunawarhnliu_2@stu.xidian.edu.cn

コメント