COCO8-Pose 데이터세트
소개
Ultralytics COCO8-Pose는 COCO train 2017 세트의 처음 8개 이미지(학습용 4개, 유효성 검사용 4개)로 구성된 작지만 다재다능한 포즈 감지 데이터 세트입니다. 이 데이터 세트는 객체 감지 모델을 테스트하고 디버깅하거나 새로운 감지 접근 방식을 실험하는 데 이상적입니다. 8개의 이미지만으로 쉽게 관리할 수 있을 만큼 작지만 오류에 대한 학습 파이프라인을 테스트하고 더 큰 데이터 세트를 학습하기 전에 건전성 검사 역할을 할 수 있을 만큼 다양합니다.
이 데이터 세트는 Ultralytics HUB 및 YOLO11과 함께 사용하기 위한 것입니다.
데이터세트 YAML
YAML(Yet Another Markup Language) 파일은 데이터 세트 구성을 정의하는 데 사용됩니다. 여기에는 데이터 세트의 경로, 클래스 및 기타 관련 정보가 포함되어 있습니다. COCO8-Pose 데이터 세트의 경우, coco8-pose.yaml
파일은 다음 위치에서 관리됩니다. 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
사용법
이미지 크기를 640으로 설정하고 COCO8-Pose 데이터 세트에서 YOLO11n-pose 모델을 100 epoch 동안 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 전체 인수 목록은 모델 학습 페이지를 참조하십시오.
훈련 예제
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
샘플 이미지 및 주석
다음은 COCO8-Pose 데이터 세트의 이미지와 해당 어노테이션의 예입니다.
- 모자이크 이미지: 이 이미지는 모자이크 데이터 세트 이미지로 구성된 훈련 배치를 보여줍니다. 모자이킹은 각 훈련 배치 내에서 객체와 장면의 다양성을 높이기 위해 여러 이미지를 단일 이미지로 결합하는 훈련 중 사용되는 기술입니다. 이는 모델이 다양한 객체 크기, 종횡비 및 컨텍스트로 일반화하는 능력을 향상시키는 데 도움이 됩니다.
이 예는 COCO8-Pose 데이터 세트의 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이크를 사용하는 이점을 보여줍니다.
인용 및 감사의 말씀
연구 또는 개발 작업에서 COCO 데이터 세트를 사용하는 경우 다음 논문을 인용하십시오.
@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}
}
저희는 컴퓨터 비전 커뮤니티를 위해 이 귀중한 리소스를 만들고 유지 관리하는 COCO 컨소시엄에 감사를 표합니다. COCO 데이터 세트와 제작자에 대한 자세한 내용은 COCO 데이터 세트 웹사이트를 방문하세요.
FAQ
COCO8-Pose 데이터 세트는 무엇이며, Ultralytics YOLO11과 함께 어떻게 사용됩니까?
COCO8-Pose 데이터 세트는 COCO train 2017 세트의 처음 8개 이미지를 포함하는 작고 다재다능한 포즈 감지 데이터 세트이며, 훈련용 이미지 4개와 유효성 검사용 이미지 4개로 구성됩니다. 이 데이터 세트는 객체 감지 모델을 테스트 및 디버깅하고 새로운 감지 접근 방식을 실험하도록 설계되었습니다. 이 데이터 세트는 Ultralytics YOLO11을 사용한 빠른 실험에 적합합니다. 데이터 세트 구성에 대한 자세한 내용은 데이터 세트 YAML 파일을 확인하십시오.
Ultralytics에서 COCO8-Pose 데이터 세트를 사용하여 YOLO11 모델을 어떻게 학습시키나요?
이미지 크기를 640으로 설정하고 COCO8-Pose 데이터 세트에서 YOLO11n-pose 모델을 100 epoch 동안 학습하려면 다음 예제를 따르십시오.
훈련 예제
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
전체 학습 인수 목록은 모델 학습 페이지를 참조하세요.
COCO8-Pose 데이터 세트를 사용할 때의 이점은 무엇인가요?
COCO8-Pose 데이터 세트는 다음과 같은 여러 가지 이점을 제공합니다.
- 컴팩트한 크기: 8개의 이미지로만 구성되어 관리가 용이하며 빠른 실험에 적합합니다.
- 다양한 데이터: 작은 크기에도 불구하고 다양한 장면을 포함하고 있어 철저한 파이프라인 테스트에 유용합니다.
- 오류 디버깅: 더 큰 데이터 세트로 확장하기 전에 학습 오류를 식별하고 건전성 검사를 수행하는 데 이상적입니다.
기능 및 사용법에 대한 자세한 내용은 데이터 세트 소개 섹션을 참조하세요.
COCO8-Pose 데이터 세트를 사용하여 YOLO11 학습 과정에서 모자이킹은 어떤 이점을 제공합니까?
COCO8-Pose 데이터 세트의 sample_images에서 볼 수 있듯이, 모자이킹은 여러 이미지를 하나로 결합하여 각 학습 배치 내 객체와 장면의 다양성을 증가시킵니다. 이 기술은 다양한 객체 크기, 종횡비 및 컨텍스트에 걸쳐 모델의 일반화 능력을 향상시켜 궁극적으로 모델 성능을 개선하는 데 도움이 됩니다. 예시 이미지는 Sample Images and Annotations 섹션을 참조하십시오.
COCO8-Pose 데이터 세트 YAML 파일은 어디에서 찾을 수 있으며 어떻게 사용하나요?
COCO8-Pose 데이터 세트 YAML 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml에서 찾을 수 있습니다. 이 파일은 경로, 클래스 및 기타 관련 정보를 포함하여 데이터 세트 구성을 정의합니다. Train Example 섹션에 언급된 대로 YOLO11 훈련 스크립트와 함께 이 파일을 사용하십시오.
더 많은 FAQ와 자세한 문서는 Ultralytics 문서를 참조하세요.