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）で構成される、小規模ながら汎用性の高いポーズ推定データセットであり、単一の「person」クラスに対して 17 キーポイントのスキーマを使用します。このデータセットは、ポーズ推定モデルのテストやデバッグ、あるいは新しいキーポイント検出アプローチの実験に最適です。8 枚の画像により、簡単に管理できるほど小規模でありながら、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にトレーニングパイプラインのエラーをテストし、健全性確認として機能するのに十分な多様性を備えています。
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が.txtファイルとして保存されます。
COCO8-Pose on Ultralytics Platform で、すべての画像とキーポイントの骨格を確認し、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てください。
データセット YAML#
データセットの設定を定義するには YAML ファイルが使用されます。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 で維持されています。
# 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 モデルを画像サイズ 640 で 100 エポック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。
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。
- 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。
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：
@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}
}computer visionコミュニティのためにこの貴重なリソースを作成および維持してくださっているCOCO Consortiumに感謝いたします。COCOデータセットとその作成者の詳細については、COCO dataset websiteをご覧ください。
よくある質問 (FAQ)#
COCO8-Pose データセットは、COCO train 2017セットからの最初の 8 枚の画像（トレーニング用 4 枚、検証用 4 枚）を含む、小規模で汎用性の高いポーズ推定データセットです。ポーズ推定モデルのテストとデバッグ、および新しいキーポイント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 を使用し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 ファイルをご確認ください。
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バリエーションを増加させます。これにより、モデルがオブジェクトのサイズ、アスペクト比、コンテキストにわたって汎化するのに役立ちます。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。
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、および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。トレーニング例セクションで言及されているように、YOLO26 トレーニングスクリプトでこのファイルを使用してください。
キーポイントモデルの詳細については、姿勢推定タスクのドキュメントを参照してください。