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、オブジェクト検出モデルのテストとデバッグ、または新しい検出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、管理が容易でありながら、エラーのトレーニングパイプラインをテストし、大規模なデータセットをトレーニングする前の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。
このデータセットは、Ultralytics HUBおよびYOLO11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
# 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YOLO11n-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("yolo11n-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=yolo11n-pose.pt epochs=100 imgsz=640
サンプル画像とアノテーション
COCO8-Poseデータセットからの画像と、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。
- 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。
この例では、COCO8-Poseデータセット内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紹介しています。
引用と謝辞
COCO データセットを研究または開発で使用する場合は、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}
}
コンピュータビジョンコミュニティにとって貴重なリソースを作成および管理しているCOCOコンソーシアムに感謝いたします。COCOデータセットとその作成者の詳細については、COCOデータセットのWeb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 YOLO11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枚の画像を含む、小規模で汎用性の高いポーズ検出データセットです。トレーニング用に4枚、検証用に4枚の画像が含まれています。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用に設計されています。このデータセットは、Ultralytics YOLO11を使用した迅速な実験に最適です。データセットの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 YOLO11 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YOLO11n-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。
学習の例
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-pose.pt")
# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)
yolo pose train data=coco8-pose.yaml model=yolo11n-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YOLO11の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、およびコンテキストにわたって一般化するモデルの能力を向上させるのに役立ち、最終的にモデルのパフォーマンスを向上させます。画像の例については、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ファイルはどこにあり、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、データセットの構成を定義します。Train Exampleセクションで説明されているように、YOLO11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。
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。
