콘텐츠로 건너뛰기

COCO8-Pose 데이터셋

소개

Ultralytics COCO8-Pose는 COCO train 2017 세트의 처음 8개 이미지(훈련용 4개, 유효성 검사용 4개)로 구성된 작지만 다재다능한 포즈 탐지 데이터 세트입니다. 이 데이터 세트는 객체 탐지 모델을 테스트하고 디버깅하거나 새로운 탐지 접근 방식을 실험하는 데 이상적입니다. 8개의 이미지가 있어 쉽게 관리할 수 있을 만큼 작지만 오류에 대한 훈련 파이프라인을 테스트하고 더 큰 데이터 세트를 훈련하기 전에 건전성 검사 역할을 할 수 있을 만큼 다양합니다.

데이터 세트 구조

  • 총 이미지 수: 8개(기차 4개/발 4개).
  • 수업: 1(사람), 주석당 17개의 키포인트가 있습니다.
  • 권장 디렉토리 레이아웃: datasets/coco8-pose/images/{train,val} 및 datasets/coco8-pose/labels/{train,val} 로 저장된 YOLO 키포인트를 사용하여 .txt 파일.

이 데이터셋은 Ultralytics Platform 및 YOLO26과 함께 사용하도록 고안되었습니다.

데이터세트 YAML

yaml(Yet Another Markup Language) 파일은 데이터셋 구성을 정의하는 데 사용됩니다. 이 파일에는 데이터셋의 경로, 클래스 및 기타 관련 정보가 포함되어 있습니다. COCO8-Pose 데이터셋의 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

# Keypoint names per class
kpt_names:
  0:
    - nose
    - left_eye
    - right_eye
    - left_ear
    - right_ear
    - left_shoulder
    - right_shoulder
    - left_elbow
    - right_elbow
    - left_wrist
    - right_wrist
    - left_hip
    - right_hip
    - left_knee
    - right_knee
    - left_ankle
    - right_ankle

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8-pose.zip

사용법

이미지 크기 640으로 COCO8-Pose 데이터셋에서 YOLO26n-pose 모델을 100 에포크 동안 훈련시키려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인자의 전체 목록은 모델 훈련 페이지를 참조하세요.

훈련 예제

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="coco8-pose.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo pose train data=coco8-pose.yaml model=yolo26n-pose.pt epochs=100 imgsz=640

샘플 이미지 및 주석

다음은 COCO8-Pose 데이터셋의 이미지 예시와 해당 주석입니다:

COCO8 키포인트 추정 데이터셋 모자이크

  • 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 예시는 COCO8-Pose 데이터셋 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이킹을 사용하는 이점을 보여줍니다.

인용 및 감사의 말씀

연구 또는 개발 작업에서 COCO 데이터셋을 사용하는 경우, 다음 논문을 인용해 주십시오.

@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 유지보수해 준 COCO 컨소시엄에 감사를 표합니다. COCO 데이터셋 및 그 생성자에 대한 자세한 정보는 COCO 데이터셋 웹사이트를 방문하십시오.

FAQ

COCO8-Pose 데이터셋이란 무엇이며, Ultralytics YOLO26과 어떻게 사용됩니까?

COCO8-Pose 데이터셋은 COCO train 2017 세트의 첫 8개 이미지(훈련용 이미지 4개, 검증용 이미지 4개)를 포함하는 작고 다재다능한 포즈 감지 데이터셋입니다. 이는 객체 detect 모델 테스트 및 디버깅과 새로운 감지 접근 방식 실험을 위해 설계되었습니다. 이 데이터셋은 Ultralytics YOLO26를 사용한 빠른 실험에 이상적입니다. 데이터셋 구성에 대한 자세한 내용은 데이터셋 YAML 파일을 확인하세요.

Ultralytics에서 COCO8-Pose 데이터셋을 사용하여 YOLO26 모델을 어떻게 훈련합니까?

이미지 크기 640으로 COCO8-Pose 데이터셋에서 YOLO26n-pose 모델을 100 에포크 동안 훈련시키려면 다음 예시를 따르세요:

훈련 예제

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-pose.pt")

# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)

yolo pose train data=coco8-pose.yaml model=yolo26n-pose.pt epochs=100 imgsz=640

전체 학습 인수 목록은 모델 학습 페이지를 참조하세요.

COCO8-Pose 데이터셋 사용의 이점은 무엇입니까?

COCO8-Pose 데이터셋은 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 데이터셋을 사용하는 YOLO26 훈련 과정에서 모자이킹은 어떤 이점을 제공합니까?

COCO8-Pose 데이터셋의 sample_images에서 볼 수 있는 모자이킹은 여러 이미지를 하나로 결합하여 각 훈련 배치 내 객체와 장면의 다양성을 높입니다. 이 기술은 다양한 객체 크기, 종횡비 및 컨텍스트에 걸쳐 모델의 일반화 능력을 향상시켜 궁극적으로 모델 성능을 높이는 데 도움이 됩니다. 예시 이미지는 Sample Images and Annotations 섹션을 참조하십시오.

COCO8-Pose 데이터셋 yaml 파일은 어디에서 찾을 수 있으며 어떻게 사용합니까?

COCO8-Pose 데이터셋 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 데이터셋 구성을 정의합니다. 훈련 예시 섹션에 언급된 대로 이 파일을 YOLO26 훈련 스크립트와 함께 사용하세요.

더 많은 FAQ와 자세한 문서는 Ultralytics 문서를 참조하세요.



5; 2 년 전에 생성됨 ✏️ 7 전에 업데이트됨
glenn-jocherUltralyticsAssistantjk4eMatthewNoyceRizwanMunawarhnliu_2@stu.xidian.edu.cn

댓글