Tiger-Poseデータセット#

262

Tiger Pose

ultralytics

publicPose

Tiger Pose contains 1280 x 720 video frames derived from an attributed YouTube tiger video. Each labeled animal has 12 two-dimensional keypoints, supporting articulated pose estimation across walking, standing, body orientation, limb movement, and partial occlusion.

1 class44 MBSep 2, 2026

tiger

tigerswildlifepose-estimation+1

はじめに#

Ultralyticsは、ポーズ推定タスク向けに設計された汎用性の高いコレクションであるTiger-Poseデータセットを提供しています。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、210枚がトレーニング用、53枚が検証用に割り当てられています。ポーズ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適した優れたリソースです。

トレーニング用のデータが210枚と扱いやすい規模である一方、Tiger-Poseデータセットは多様性を備えているため、トレーニングパイプラインの評価や潜在的なエラーの特定に適しています。また、より大規模なデータセットでポーズ推定に取り組む前の有用な準備段階としても利用できます。

この小規模なデータセットでパイプラインが正常にトレーニングできたら、独自の動物または物体のキーポイントに置き換え、ブラウザーから離れることなくUltralytics Platformでトレーニングを拡大できます。

データセットの構成#

• 画像の総数: 263枚（トレーニング210枚 / 検証53枚）。
• キーポイント: トラ1頭あたり12個（visibilityフラグなし）。
• ダウンロードサイズ: ~49.8 MB。
• ディレクトリ構成: YOLO形式のキーポイントが、labels/{train,val}の下にimages/{train,val}ディレクトリとともに保存されています。

データセット YAML#

YAMLファイルは、データセットの設定の詳細を指定するための手段です。ファイルパス、クラス定義、その他の関連情報など、重要なデータが含まれています。具体的には、tiger-pose.yamlファイルについては、Ultralytics Tiger-Poseデータセット設定ファイルを確認できます。

# 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

使用方法#

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、次のコードスニペットを使用できます。利用可能な引数の一覧については、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)

サンプル画像とアノテーション#

以下に、Tiger-Poseデータセットの画像例と、それぞれに対応するアノテーションを示します。

• モザイク化画像: 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たトレーニングバッチを示しています。モザイク化は、トレーニング中に複数の画像を1枚の画像に組み合わせ、各トレーニングバッチ内の物体やシーンの多様性を高める技法です。これにより、さまざまな物体サイズ、アスペクト比、コンテキストに対するモデルの汎化性能を向上させます。

この例は、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でモザイキングを使用する利点を示しています。

推論例#

トレーニング後、最適なチェックポイントを読み込み、新しい画像または動画で推論を実行します。引数の一覧については、予測ページを参照してください。

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/Gc6K5eKrTNQ", show=True)

引用と謝辞#

Ultralyticsは、Tiger-PoseデータセットのアノテーションをAGPL-3.0ライセンスの下で公開しています。元の動画には元の利用規約が適用されるため、抽出したフレームを使用または再配布する前に確認してください。

FAQ#