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4枚、検証用4枚）で構成された、小規模ながら多用途の姿勢推定データセットです。単一の「person」クラスに17個のキーポイントスキーマを使用しています。このデータセットは、姿勢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に最適です。8枚の画像で構成されているため簡単に管理できる一方、トレーニングパイプラインのエラーをテストし、完全なCOCO-Poseデータセットでトレーニングする前のサニティチェックとして機能するのに十分な多様性も備えています。
データセットの構成#
- 合計画像数: 8（train 4枚 / val 4枚）。
- クラス数: 1（person）。各アノテーションには17種類のキーポイントがあります。
- ダウンロードサイズ: ~1 MB。
- 推奨ディレクトリ構成:
datasets/coco8-pose/images/{train,val}とdatasets/coco8-pose/labels/{train,val}を使用し、YOLO形式のキーポイントを.txtファイルとして保存します。
Ultralytics Platform上のCOCO8-Poseを確認すると、キーポイントのスケルトン付きですべての画像を閲覧し、Chartsタブでキーポイントとクラスの分布を表示し、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できます。
データセット YAML#
YAMLファイルを使用してデータセットの設定を定義します。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 🚀 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使用方法#
COCO8-PoseデータセットでYOLO26n-poseモデルを100 エポック、画像サイズ640でトレーニングするには、次のコードスニペットを使用できます。利用可能な引数の完全な一覧については、モデルのTrainingページを参照してください。
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)サンプル画像とアノテーション#
以下に、COCO8-Poseデータセットの画像例と、それぞれに対応するアノテーションを示します。
- モザイク化画像: 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たトレーニングバッチを示しています。モザイク化は、トレーニング中に複数の画像を1枚の画像に組み合わせ、各トレーニングバッチ内の物体やシーンの多様性を高める技法です。これにより、さまざまな物体サイズ、アスペクト比、コンテキストに対するモデルの汎化性能を向上させます。
引用と謝辞#
研究または開発でCOCOデータセットを使用する場合は、次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価値のあるこのリソースを作成・維持しているCOCO Consortiumに謝意を表します。COCOデータセットとその作成者の詳細については、COCOデータセットのウェブサイトをご覧ください。
FAQ#
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、小規模で多用途の姿勢推定データセットです。姿勢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向けに設計されています。このデータセットは、Ultralytics YOLO26を使っ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、データセットYAMLファイルを確認してください。
合計8枚の画像（train 4枚 / val 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、数秒で管理できるほど小規模でありながら、完全なCOCO-Poseデータセットに規模を拡大する前に、姿勢トレーニングパイプラインのエラーをサニティチェックできる十分な多様性を備えています。機能と使用方法の詳細については、Dataset Introductionセクションを参照してください。
モザイク処理は複数の画像を1枚に結合し、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。これにより、モデルはオブジェクトのサイズ、アスペクト比、コンテキストの違いをまたいで汎化しやすくなります。例については、Sample Images and Annotations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、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設定を定義します。Train Exampleセクションで説明されているとおり、このファイルをYOLO26のトレーニングスクリプトと併用してください。
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。