タイガーポーズデータセット

はじめに

Ultralyticsは、ポーズ推定タスク用に設計された汎用性の高い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ビデオから取得した263枚の画像で構成されており、210枚の画像がトレーニング用に、53枚が検証用に割り当てられています。これは、ポーズ推定アルゴリズムのテストとトラブルシューティングに最適なリソースとして役立ちます。

210枚という管理しやすい学習分割にもかかわらず、Tiger-Poseデータセットは多様性を提供し、学習パイプラインの評価、潜在的なエラーの特定に適しており、より大規模な姿勢推定データセットを扱う前の貴重な予備ステップとして機能します。

このデータセットは、Ultralytics PlatformおよびYOLO26での使用を目的としています。

データセットの構造

• 総画像数: 263 (学習用210 / 検証用53)。
• キーポイント: トラ1匹あたり12個（可視性フラグなし）。
• ディレクトリレイアウト: YOLO形式のキーポイントが以下に保存されます labels/{train,val} と並んで images/{train,val} ディレクトリ。

見る: Ultralytics Platformを使用してTiger-PoseデータセットでYOLO26姿勢モデルをトレーニングする

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詳細を指定する手段として機能します。ファイルパス、クラス定義、その他の関連情報などの重要なデータが含まれます。具体的には、 tiger-pose.yaml fileを確認するには、 Ultralytics Tiger-Poseデータセット設定ファイル.

# 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

使用法

Tiger-PoseデータセットでYOLO26n-poseモデルを画像サイズ640、100エポックで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="tiger-pose.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo pose train data=tiger-pose.yaml model=yolo26n-pose.pt epochs=100 imgsz=640

サンプル画像とアノテーション

Tiger-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、Tiger-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。

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)

# Run inference using a tiger-pose trained model
yolo pose predict source="https://youtu.be/MIBAT6BGE6U" show=True model="path/to/best.pt"

引用と謝辞

データセットは、AGPL-3.0ライセンスの下で公開されています。

よくある質問

Ultralytics 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、姿勢推定タスク用に設計されており、YouTubeビデオから取得した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います。Ultralytics PlatformとYOLO26を使用した姿勢推定アルゴリズムのテスト、トレーニング、および改良に特に役立ちます。

Tiger-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？

Tiger-PoseデータセットでYOLO26n-poseモデルを画像サイズ640、100エポックでトレーニングするには、以下のコードスニペットを使用します。詳細については、トレーニングページをご覧ください。

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="tiger-pose.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo pose train data=tiger-pose.yaml model=yolo26n-pose.pt epochs=100 imgsz=640

どのような構成が tiger-pose.yaml fileを含めますか？

The tiger-pose.yaml fileは、Tiger-Poseデータセットの構成詳細を指定するために使用されます。これには、ファイルパスやクラス定義などの重要なデータが含まれています。正確な構成を確認するには、以下を参照してください。 Ultralytics Tiger-Poseデータセット設定ファイル.

Tiger-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？

Tiger-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、以下のコードスニペットを使用できます。詳細なガイドについては、予測ページをご覧ください。

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)

# Run inference using a tiger-pose trained model
yolo pose predict source="https://youtu.be/MIBAT6BGE6U" show=True model="path/to/best.pt"

ポーズ推定にTiger-Poseデータセットを使用する利点は何ですか？

Tiger-Poseデータセットは、トレーニング用の画像数が210枚と管理しやすいサイズであるにもかかわらず、姿勢推定パイプラインのテストに理想的な多様な画像コレクションを提供します。このデータセットは、潜在的なエラーを特定するのに役立ち、より大規模なデータセットを扱う前の予備的なステップとして機能します。さらに、このデータセットは、Ultralytics PlatformやYOLO26のような高度なツールを使用して姿勢推定アルゴリズムのトレーニングと改良をサポートし、モデルのパフォーマンスと精度を向上させます。

📅 2年前に作成 ✏️ 7日前に更新

コメント