COCO8-Pose 데이터셋

소개

Ultralytics COCO8-Pose는 COCO train 2017 세트의 처음 8개 이미지(학습용 4개, 검증용 4개)로 구성된 작지만 다재다능한 자세 감지 데이터셋입니다. 이 데이터셋은 object detection 모델을 테스트 및 디버깅하거나 새로운 감지 방식을 실험하는 데 이상적입니다. 8개의 이미지만으로 구성되어 관리가 용이할 뿐만 아니라, 학습 파이프라인의 오류를 테스트하고 더 큰 데이터셋을 학습하기 전에 건전성 검사를 수행하기에 충분히 다양합니다.

데이터셋 구조

전체 이미지: 8개 (학습용 4개 / 검증용 4개).
클래스: 1개 (사람), 주석당 17개의 keypoints 포함.
권장 디렉토리 구조: datasets/coco8-pose/images/{train,val} 및 datasets/coco8-pose/labels/{train,val}, 여기서 YOLO 형식의 keypoints는 .txt 파일로 저장됩니다.

이 데이터셋은 Ultralytics Platform 및 YOLO26과 함께 사용하도록 의도되었습니다.

데이터셋 YAML

데이터셋 구성은 YAML(Yet Another Markup Language) 파일을 사용하여 정의합니다. 이 파일에는 데이터셋 경로, 클래스 및 기타 관련 정보가 포함되어 있습니다. COCO8-Pose 데이터셋의 경우, coco8-pose.yaml 파일이 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml에 유지 관리되고 있습니다.

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

COCO8-Pose 데이터셋에서 YOLO26n-pose 모델을 640 이미지 크기로 100 epochs 동안 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 전체 인자 목록은 모델 Training 페이지를 참조하십시오.

학습 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)

샘플 이미지 및 주석

다음은 COCO8-Pose 데이터셋에 포함된 이미지 예시와 해당 주석입니다:

COCO8-pose keypoint estimation dataset mosaic

모자이크 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지들로 구성된 학습 배치를 보여줍니다. 모자이킹은 학습 중에 여러 이미지를 하나의 이미지로 결합하여 각 학습 배치 내의 객체와 장면의 다양성을 높이는 데 사용되는 기법입니다. 이는 모델이 다양한 객체 크기, 가로세로 비율 및 문맥으로 일반화하는 능력을 향상시키는 데 도움을 줍니다.

이 예시는 COCO8-Pose 데이터셋 이미지의 다양성과 복잡성, 그리고 학습 과정에서 mosaicing을 사용할 때의 이점을 보여줍니다.

인용 및 감사의 글

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

인용

@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}
}

We would like to acknowledge the COCO Consortium for creating and maintaining this valuable resource for the computer vision community. For more information about the COCO dataset and its creators, visit the COCO dataset website.

FAQ

COCO8-Pose 데이터셋이란 무엇이며, Ultralytics YOLO26에서 어떻게 사용합니까?

COCO8-Pose 데이터셋은 COCO train 2017 세트의 처음 8개 이미지(학습용 4개, 검증용 4개)를 포함하는 작고 다재다능한 자세 감지 데이터셋입니다. 이 데이터셋은 object detection 모델을 테스트 및 디버깅하고 새로운 감지 방식을 실험하기 위해 설계되었습니다. Ultralytics YOLO26을 사용한 빠른 실험에 이상적입니다. 데이터셋 구성에 대한 자세한 내용은 dataset YAML file을 확인하십시오.

Ultralytics에서 COCO8-Pose 데이터셋을 사용하여 YOLO26 모델을 어떻게 학습합니까?

COCO8-Pose 데이터셋에서 YOLO26n-pose 모델을 640 이미지 크기로 100 epochs 동안 학습하려면 다음 예제를 따르십시오:

학습 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)

학습 인자의 전체 목록은 모델 Training 페이지를 참조하십시오.

COCO8-Pose 데이터셋 사용의 이점은 무엇입니까?

COCO8-Pose 데이터셋은 다음과 같은 이점을 제공합니다:

콤팩트한 크기: 8개의 이미지만으로 구성되어 관리가 쉽고 빠른 실험에 완벽합니다.
다양한 데이터: 작은 크기임에도 불구하고 다양한 장면을 포함하고 있어 파이프라인을 철저히 테스트하는 데 유용합니다.
오류 디버깅: 더 큰 데이터셋으로 확장하기 전, 학습 오류를 식별하고 건전성 검사를 수행하기에 이상적입니다.

기능 및 사용법에 대한 자세한 내용은 Dataset Introduction 섹션을 참조하십시오.

COCO8-Pose 데이터셋을 사용할 때 mosaicing은 YOLO26 학습 과정에 어떤 이점을 줍니까?

COCO8-Pose 데이터셋의 샘플 이미지에서 볼 수 있는 mosaicing은 여러 이미지를 하나로 결합하여 각 학습 배치 내 객체와 장면의 다양성을 높입니다. 이 기술은 다양한 객체 크기, 가로세로 비율, 컨텍스트 전반에 걸쳐 모델의 일반화 능력을 향상시켜 최종적으로 모델 성능을 높이는 데 도움을 줍니다. 예시 이미지는 Sample Images and Annotations 섹션을 참조하십시오.

COCO8-Pose 데이터셋 YAML 파일은 어디서 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 포함한 데이터셋 구성을 정의합니다. Train Example 섹션에서 언급한 대로 이 파일을 YOLO26 학습 스크립트와 함께 사용하십시오.

더 많은 FAQ 및 자세한 문서는 Ultralytics Documentation을 방문하십시오.

Contributors

GLglenn-jocher¹⁵ JKjk4e² MAMatthewNoyce¹ RIRizwanMunawar¹HAHaonan Liu¹

Created 2023년 11월 12일Updated 3개월 전