COCO8 데이터 세트

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 데이터 세트는 Ultralytics HUB 및 YOLO11과 함께 사용하기 위한 것입니다.

데이터세트 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 데이터 세트의 경우, 이 데이터 세트의 coco8-pose.yaml 파일은 다음 위치에서 관리됩니다. https://github.com/ultralytics/ultralytics/blob/main/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 크기가 640인 100개의 에포크에 대해 COCO8 데이터 세트에서 YOLO11n-pose 모델을 훈련하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 훈련 페이지를 참조하세요.

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 데이터 세트의 이미지와 해당 주석의 몇 가지 예시입니다:

• 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 데이터 세트에 포함된 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이크 사용의 이점을 보여줍니다.

인용 및 감사의 말씀

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

@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.

FAQ

COCO8 데이터 세트는 무엇이며, Ultralytics YOLO11 어떻게 사용되나요?

COCO8 데이터 세트는 작고 다재다능한 포즈 감지 데이터 세트로, 훈련용 이미지 4개와 검증용 이미지 4개로 구성된 COCO train 2017 세트의 첫 8개 이미지가 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 데이터 세트 YAML 파일을 확인하세요.

Ultralytics COCO8 데이터 세트를 사용하여 YOLO11 모델을 훈련하려면 어떻게 해야 하나요?

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

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 데이터 세트를 사용하면 어떤 이점이 있나요?

COCO8 데이터 세트는 몇 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.

모자이크가 COCO8 데이터 세트를 사용하는 YOLO11 훈련 프로세스에 어떤 이점이 있나요?

COCO8 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, 컨텍스트에 걸쳐 일반화하는 모델의 능력을 향상시켜 궁극적으로 모델 성능을 향상시키는 데 도움이 됩니다. 예시 이미지는 샘플 이미지 및 주석 섹션을 참조하세요.

COCO8 데이터 세트 YAML 파일은 어디에서 찾을 수 있으며 어떻게 사용하나요?

COCO8 데이터세트 YAML 파일은 yaml 에서 찾을 수 있습니다. 이 파일은 경로, 클래스 및 기타 관련 정보를 포함한 데이터 세트 구성을 정의합니다. 이 파일을 훈련 예제 섹션에 언급된 대로 YOLO11 훈련 스크립트와 함께 사용하세요.

더 많은 FAQ와 자세한 문서는 Ultralytics 문서를 참조하세요.

📅 2년 전에 생성됨 ✏️ 25일 전에 업데이트됨

댓글