COCO8-포즈 데이터 세트

Q: What are the benefits of using the COCO8-Pose dataset?

COCO8-Pose 데이터 세트는 여러 가지 이점을 제공합니다: 기능 및 사용법에 대한 자세한 내용은 데이터 세트 소개 섹션을 참조하세요.

소개

Ultralytics COCO8-Pose는 작지만 다용도로 사용할 수 있는 포즈 감지 데이터 세트로, COCO train 2017 세트의 첫 8개 이미지 중 훈련용 4개와 검증용 4개로 구성되어 있습니다. 이 데이터 세트는 객체 감지 모델을 테스트하고 디버깅하거나 새로운 감지 접근법을 실험하는 데 이상적입니다. 8개 이미지로 구성되어 있어 관리하기 쉬우면서도 훈련 파이프라인의 오류를 테스트하고 더 큰 데이터 세트를 훈련하기 전에 건전성 검사 역할을 할 수 있을 만큼 충분히 다양합니다.

이 데이터 세트는 Ultralytics HUB 및 YOLO11.

데이터 세트 YAML

데이터 세트 구성을 정의하는 데는 YAML(또 다른 마크업 언어) 파일이 사용됩니다. 여기에는 데이터 세트의 경로, 클래스 및 기타 관련 정보에 대한 정보가 포함되어 있습니다. COCO8-Pose 데이터 세트의 경우, 이 데이터 세트의 coco8-pose.yaml 파일은 다음 위치에서 유지됩니다. 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: ../datasets/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 크기가 640인 100개의 에포크에 대해 COCO8-Pose 데이터 세트에서 YOLO11n-pose 모델을 훈련하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 훈련 페이지를 참조하세요.

열차 예시

PythonCLI

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 주석의 몇 가지 예시입니다:

데이터 세트 샘플 이미지

모자이크 이미지: 이 이미지는 모자이크된 데이터 세트 이미지로 구성된 훈련 배치의 예시입니다. 모자이크는 여러 이미지를 하나의 이미지로 결합하여 각 훈련 배치 내에서 다양한 개체와 장면을 늘리기 위해 훈련 중에 사용되는 기술입니다. 이를 통해 다양한 객체 크기, 종횡비 및 컨텍스트에 일반화하는 모델의 능력을 향상시킬 수 있습니다.

이 예는 COCO8-Pose 데이터 세트에 포함된 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이크 사용의 이점을 보여줍니다.

인용 및 감사

연구 또는 개발 작업에 COCO 데이터셋을 사용하는 경우 다음 논문을 인용해 주세요:

BibTeX

@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}
}

컴퓨터 비전 커뮤니티를 위해 이 귀중한 리소스를 만들고 유지 관리해 주신 COCO 컨소시엄에 감사의 말씀을 드립니다. COCO 데이터 세트 및 제작자에 대한 자세한 내용은 COCO 데이터 세트 웹사이트를 참조하세요.

자주 묻는 질문

COCO8-Pose 데이터 세트는 무엇이며, Ultralytics YOLO11 과 어떻게 사용되나요?

COCO8-Pose 데이터 세트는 작고 다재다능한 포즈 감지 데이터 세트로, 훈련용 이미지 4개와 검증용 이미지 4개로 구성된 COCO train 2017 세트의 첫 번째 이미지 8개가 포함되어 있습니다. 객체 감지 모델을 테스트 및 디버깅하고 새로운 감지 접근 방식을 실험하기 위해 설계되었습니다. 이 데이터 세트는 다음과 같은 빠른 실험에 이상적입니다. Ultralytics YOLO11. 데이터 세트 구성에 대한 자세한 내용은 여기에서 데이터 세트 YAML 파일을 확인하세요.

Ultralytics 에서 COCO8-Pose 데이터 세트를 사용하여 YOLO11 모델을 훈련하려면 어떻게 하나요?

이미지 크기가 640인 100개의 에포크에 대한 COCO8-Pose 데이터 세트에서 YOLO11n-pose 모델을 훈련하려면 다음 예제를 따르세요:

열차 예시

PythonCLI

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

훈련 인수의 전체 목록은 모델 훈련 페이지를 참조하세요.

COCO8-Pose 데이터 세트를 사용하면 어떤 이점이 있나요?

COCO8-Pose 데이터 세트는 몇 가지 이점을 제공합니다:

컴팩트한 사이즈: 8개의 이미지만 있어 관리가 간편하고 빠른 실험에 적합합니다.
다양한 데이터: 작은 크기에도 불구하고 다양한 장면이 포함되어 있어 철저한 파이프라인 테스트에 유용합니다.
오류 디버깅: 대규모 데이터 세트로 확장하기 전에 훈련 오류를 식별하고 정상 여부를 확인하는 데 이상적입니다.

기능 및 사용법에 대한 자세한 내용은 데이터 세트 소개 섹션을 참조하세요.

모자이크는 COCO8-Pose 데이터 세트를 사용하는 YOLO11 트레이닝 프로세스에 어떤 이점이 있나요?

COCO8-Pose 데이터 세트의 샘플 이미지에서 볼 수 있는 모자이싱은 여러 이미지를 하나로 결합하여 각 훈련 배치 내에서 개체와 장면의 다양성을 높입니다. 이 기술은 다양한 객체 크기, 종횡비 및 컨텍스트에 걸쳐 일반화하는 모델의 능력을 향상시켜 궁극적으로 모델 성능을 향상시키는 데 도움이 됩니다. 예시 이미지는 샘플 이미지 및 주석 섹션을 참조하세요.