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（学習用4枚、検証用4枚）で構成された、小規模ながら多用途なポーズ推定データセットです。単一の「person」クラスに対し、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、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扱える一方、学習パイプラインのエラーをテストし、完全なCOCO-Poseデータセットで学習する前の健全性チェックに使えるだけの多様性も備えています。
データセットの構成#
- 画像総数: 8枚（学習4枚 / 検証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}およびdatasets/coco8-pose/labels/{train,val}。YOLO形式のキーポイントは.txtファイルとして保存します。
Ultralytics Platform上のCOCO8-Poseで、キーポイントスケルトン付きの各画像を確認し、Chartsタブでキーポイントとクラスの分布を表示できます。また、データセットをクローンしてクラウド上で独自モデルを学習できます。
データセットYAML#
データセットの構成を定義するにはYAMLファイルを使用します。YAMLファイルには、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 🚀 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#
画像サイズ640でCOCO8-Poseデータセットを使用し、YOLO26n-poseモデルを100エポック学習するには、以下のコード例を使用できます。利用可能な引数の詳細な一覧については、モデルの学習ページを参照してください。
from ultralytics import YOLO
# モデルを読み込む
model = YOLO("yolo26n-pose.pt") # 事前トレーニング済みモデルを読み込みます（トレーニングにはこちらを推奨します）
# モデルをトレーニングする
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データセット内の画像と対応するアノテーションの例を示します。
- モザイク画像: モザイク化し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。モザイク化はトレーニング中に使用される手法で、複数の画像を1枚にまとめ、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、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性能が向上します。
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、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}
}この貴重なリソースを作成・維持しているCOCOコンソーシアムに、コンピュータビジョンコミュニティを代表して感謝します。COCOデータセットとその作成者について詳しくは、COCOデータセットのウェブサイトをご覧ください。
よくある質問#
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）を含む、小規模で多用途な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やデバッグ、新しいキーポイント検出手法の実験を目的として設計されています。このデータセットは、Ultralytics YOLO26を使った手早い実験に最適です。データセットの構成について詳しくは、データセットYAMLファイルをご覧ください。
モザイクは複数の画像を1枚にまとめ、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、コンテキストを越えて汎化しやすくなります。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。
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。このファイルでは、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。学習例セクションで説明されているように、このファイルをYOLO26の学習スクリプトで使用してください。
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。