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（学習用4枚、検証用4枚）で構成される、小規模かつ汎用性の高いポーズ検出データセットです。このデータセットは、object detection モデルのテストやデバッグ、あるいは新しい検出手法の実験に最適です。8枚という画像数は管理しやすく、かつ学習パイプラインのエラーテストや大規模なデータセットで学習を行う前の健全性チェックに適した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（人物）、アノテーションあたり17個のキーポイント
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。

このデータセットは、Ultralytics PlatformおよびYOLO26での使用を想定しています。

Link to this sectionデータセット YAML#

データセットの設定定義には YAML (Yet Another Markup Language) ファイルを使用します。これ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。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。

この例では、COCO8-Pose データセットに含まれる画像の多様性と複雑さ、および学習プロセス中にモザイク処理（mosaicing）を使用する利点を示しています。

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（学習用4枚、検証用4枚）で構成される、小規模で汎用性の高いポーズ検出データセットです。これは、object detection モデルのテストやデバッグ、新しい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。データセット設定の詳細については、dataset YAML file を確認してください。

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？#

COCO8-Pose データセットで YOLO26n-pose モデルを画像サイズ 640 で 100 エポック学習させるには、以下の例に従ってください。

学習例

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)

トレーニング引数の詳細リストについては、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？#

COCO8-Pose データセットにはいくつかの利点があります。

コンパクトなサイズ: わずか8枚の画像で構成されているため管理が容易で、迅速な実験に最適です。
多様なデータ: 小規模ながら多様なシーンが含まれており、パイプラインの徹底的なテストに役立ちます。
エラーのデバッグ: 学習エラーの特定や、より大きなデータセットにスケールアップする前の健全性チェックを行うのに理想的です。

機能と使用方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？#

COCO8-Pose データセットのサンプル画像でも示されているモザイク処理は、複数の画像を1つに統合することで、各学習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、コンテキストに対す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改善します。画像例については、Sample Images and Annotations 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。

詳細なFAQやドキュメントについては、Ultralytics Documentationをご覧ください。

コントリビューター

GLglenn-jocher¹⁵ JKjk4e² RAraimbekovm¹ MAMatthewNoyce¹ RIRizwanMunawar¹ LUlunarifish¹

作成日 2023年11月12日更新日 4 日前