エンタープライズ対応のセキュリティ: ISO 27001 + SOC 2 Type I準拠。
AGPL 3.0

Link to this sectionTiger-Poseデータセット#

Link to this sectionはじめに#

Ultralyticsは、姿勢推定タスク向けに設計された多用途なコレクションであるTiger-Poseデータセットを紹介します。このデータセットはYouTube動画から取得した263枚の画像で構成されており、そのうち210枚がトレーニング用、53枚が検証用として割り当てられています。これは、姿勢推定アルゴリズムのテストやトラブルシューティングに最適なリソースです。

Tiger-Poseデータセットは、210枚という扱いやすい学習用データ数でありながら多様性を備えており、学習パイプラインの評価や潜在的なエラーの特定、またポーズ推定に向けてより大規模なデータセットを使用する前の準備段階として活用するのに適しています。

この小さなデータセットでパイプラインのトレーニングが問題なく完了したら、独自の動物やオブジェクトのキーポイントに置き換え、ブラウザを離れることなくUltralytics Platformでトレーニングをスケールアップしてください。

Link to this sectionデータセットの構造#

  • 合計画像数: 263枚 (トレーニング用210枚 / 検証用53枚)。
  • キーポイント: トラ1頭につき12箇所（可視性フラグなし）。
  • ダウンロードサイズ: ~49.8 MB。
  • Directory layout: YOLO-format keypoints stored under labels/{train,val} alongside images/{train,val} directories.


Watch: Train an Ultralytics YOLO Pose Model on the Tiger-Pose Dataset

Link to this sectionデータセット YAML#

YAMLファイルは、データセットの構成詳細を指定する手段として機能します。これには、ファイルパス、クラス定義、その他関連情報といった重要なデータが含まれます。具体的には、tiger-pose.yaml ファイルについては、Ultralytics Tiger-Pose Dataset Configuration File を確認してください。

ultralytics/cfg/datasets/tiger-pose.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Tiger Pose dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/tiger-pose
# Example usage: yolo train data=tiger-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── tiger-pose ← downloads here (49.8 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: tiger-pose # dataset root dir
train: images/train # train images (relative to 'path') 210 images
val: images/val # val images (relative to 'path') 53 images

# Keypoints
kpt_shape: [12, 2] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

# Classes
names:
  0: tiger

# Keypoint names per class
kpt_names:
  0:
    - nose
    - head
    - withers
    - tail_base
    - right_hind_hock
    - right_hind_paw
    - left_hind_paw
    - left_hind_hock
    - right_front_wrist
    - right_front_paw
    - left_front_wrist
    - left_front_paw

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/tiger-pose.zip

Link to this section使用方法#

Tiger-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、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、モデルのトレーニング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="tiger-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Tiger-Poseデータセットの画像の例と、それに対応するアノテーションです。

Tiger pose estimation dataset mosaic training batch
  • 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、Tiger-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示しています。

Link to this section推論の例#

トレーニング後、最適なチェックポイントを読み込み、新しい画像や動画で推論を実行します。引数の詳細なリストについては、Predictionページを参照してください。

推論の例
from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a tiger-pose trained model

# Run inference
results = model.predict(source="https://youtu.be/MIBAT6BGE6U", show=True)

Link to this section引用と謝辞#

Ultralyticsは、Tiger-Poseデータセットの注釈をAGPL-3.0 Licenseの下で公開しています。ソースビデオは元の利用規約に従うものとし、抽出されたフレームを使用または再配布する前に確認する必要があります。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionUltralytics Tiger-Poseデータセットは何に使用されますか？#

Ultralytics Tiger-Poseデータセットは、ポーズ推定タスク用に設計されており、YouTube動画から取得した263枚の画像で構成されています。このデータセットは210枚のトレーニング画像と53枚の検証画像に分割されており、ポーズ推定アルゴリズムのテスト、トレーニング、および改善に適しています。

Link to this sectionTiger-PoseデータセットでYOLO26モデルをトレーニングするにはどうすればよいですか？#

yolo26n-pose.ptを読み込み、model.train(data="tiger-pose.yaml", epochs=100, imgsz=640)を呼び出します。完全なPythonおよびCLIスニペットについては上記のTrain Exampleを、引数の包括的なリストについてはTrainingページを参照してください。

Link to this sectiontiger-pose.yamlファイルにはどのような設定が含まれていますか？#

tiger-pose.yamlファイルは、データセットのパス、train/val画像ディレクトリ、単一クラス(tiger)、およびkpt_shape: [12, 2]（可視性フラグなしでインスタンスあたり12個のキーポイント）を定義します。正確な設定については、Ultralytics Tiger-Pose Dataset Configuration Fileを参照してください。

Link to this sectionTiger-PoseデータセットでトレーニングされたYOLO26モデルを使用して推論を実行するにはどうすればよいですか？#

トレーニング済みのチェックポイント（例: path/to/best.pt）を読み込み、model.predict(source=..., show=True)を呼び出します。完全なPythonおよびCLIスニペットについては上記のInference Exampleを、引数の包括的なリストについてはPredictionページを参照してください。

Link to this section姿勢推定にTiger-Poseデータセットを使用する利点は何ですか？#

合計263枚の画像（train 210枚 / val 53枚）、1つのクラス、インスタンスあたり12個のキーポイント、約49.8 MBのダウンロードサイズを備えたTiger-Poseは、迅速に管理できるほど軽量でありながら、より大規模なデータセットを扱う前にポーズトレーニングパイプラインを健全性チェックし、エラーを特定するのに十分な多様性を持っています。

貢献者
GLglenn-jocher20RAraimbekovm3HIhim2him21MAMatthewNoyce1RIRizwanMunawar1JKjk4e1LUlunarifish1

コメント