エンタープライズ対応のセキュリティ: ISO 27001 + SOC 2 Type I準拠。
CC BY 4.0

Link to this sectionCOCO8-Pose データセット#

Link to this section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4枚、検証用4枚）で構成される、小規模ながら多目的なポーズ推定データセットです。単一の「person」クラスに対して17個のキーポイントスキーマを使用しています。ポーズ推定モデルのテストやデバッグ、または新しいキーポイント検出手法の実験に最適です。8枚という少なさから管理が容易である一方、エラーがないかトレーニングパイプラインをテストしたり、フルサイズのCOCO-Poseデータセットでトレーニングを行う前の健全性チェック（サニティチェック）として機能するのに十分な多様性を備えています。

Link to this sectionデータセットの構造#

  • 合計画像数: 8枚（学習用4枚 / 検証用4枚）
  • クラス: 1（person）、アノテーションごとに17種類のキーポイント。
  • ダウンロードサイズ: 約1 MB。
  • 推奨ディレクトリ構成: 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は .txt ファイルとして格納します。

Ultralytics PlatformのCOCO8-Poseを探索して、各画像とキーポイントスケルトンを閲覧したり、Chartsタブでキーポイントやクラスの分布を確認したり、クラウド上で独自のモデルをトレーニングするためにクローンを作成したりできます。

Link to this sectionデータセット YAML#

YAMLファイルは、データセットの設定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ファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yamlで管理されています。

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

Link to this section使用方法#

COCO8-Pose データセットを使用して YOLO26n-pose モデルを画像サイズ 640 で 100 epochs 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。利用可能な引数の詳細なリストについては、モデルの Training ページを参照してください。

学習例
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)

Link to this sectionサンプル画像とアノテーション#

以下は、COCO8-Pose データセットの画像とそのアノテーションの例です。

COCO8-pose keypoint estimation dataset mosaic
  • 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るトレーニングバッチを示しています。モザイク処理は、トレーニング中に複数の画像を1つの画像に結合し、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る技術です。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してモデルが汎化する能力を向上させます。

Link to this section引用と謝辞#

研究や開発作業で 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：

引用
@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}
}

この貴重なリソースを作成し、維持管理してくださったCOCOコンソーシアムの皆様に、コンピュータビジョンコミュニティを代表して感謝申し上げます。COCOデータセットとその作成者の詳細については、COCOデータセットウェブサイトをご覧ください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionCOCO8-Pose データセットとは何か、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4枚、検証用4枚）を含む、小規模で多目的なポーズ推定データセットです。これはポーズ推定モデルのテストやデバッグ、新しいキーポイント検出手法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を用いた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YAMLファイルをご確認ください。

Link to this sectionUltralytics で COCO8-Pose データセットを使用して YOLO26 モデルを学習するにはどうすればよいですか？#

yolo26n-pose.ptをロードし、model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)を呼び出します。完全なPythonおよびCLIスニペットについては上記のトレーニング例を、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。

Link to this sectionCOCO8-Pose データセットを使用する利点は何ですか？#

合計8枚の画像（トレーニング用4枚 / 検証用4枚）、1クラス、17個のキーポイントスキーマ、約1 MBのダウンロードサイズを備えたCOCO8-Poseは、短時間で扱えるほど軽量でありながら、フルサイズのCOCO-Poseデータセットにスケールアップする前にポーズトレーニングパイプラインにエラーがないかをサニティチェックするのに十分な多様性があります。機能や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。

Link to this sectionCOCO8-Pose データセットを使用した YOLO26 の学習プロセスにおいて、モザイク処理はどのような利益をもたらしますか？#

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やシーンの多様性を高めます。これにより、モデルはさまざまなオブジェクトサイズ、アスペクト比、コンテキストに対して汎化できるようになります。例については、サンプル画像とアノテーションセクションを参照してください。

Link to this sectionCOCO8-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 にあります。このファイルはパス、クラス、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。このファイルは、Train Example セクションで言及されている YOLO26 学習スクリプトとともに使用してください。

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。

貢献者
GLglenn-jocher16RAraimbekovm3JKjk4e2MAMatthewNoyce1RIRizwanMunawar1LUlunarifish1

コメント