Dog-Pose 데이터세트
소개
Ultralytics Dog-pose 데이터 세트는 개 키포인트 추정을 위해 특별히 큐레이팅된 고품질의 광범위한 데이터 세트입니다. 6,773개의 학습 이미지와 1,703개의 테스트 이미지를 통해 이 데이터 세트는 강력한 포즈 추정 모델을 학습하기 위한 견고한 기반을 제공합니다.
참고: Stanford Dog Pose Estimation 데이터 세트에서 Ultralytics YOLO11을 훈련하는 방법 | 단계별 튜토리얼🚀
각 어노테이션 이미지에는 키포인트당 3차원(x, y, 가시성)을 갖는 24개의 키포인트가 포함되어 있어 컴퓨터 비전 분야의 고급 연구 및 개발을 위한 귀중한 자료입니다.
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 경로, 키포인트 세부 정보 및 기타 관련 정보가 포함되어 있습니다. Dog-pose 데이터 세트의 경우, dog-pose.yaml
에서 사용할 수 있습니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dog-pose.yaml.
ultralytics/cfg/datasets/dog-pose.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# Dogs dataset http://vision.stanford.edu/aditya86/ImageNetDogs/ by Stanford
# Documentation: https://docs.ultralytics.com/datasets/pose/dog-pose/
# Example usage: yolo train data=dog-pose.yaml
# parent
# ├── ultralytics
# └── datasets
# └── dog-pose ← downloads here (337 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: dog-pose # dataset root dir
train: images/train # train images (relative to 'path') 6773 images
val: images/val # val images (relative to 'path') 1703 images
# Keypoints
kpt_shape: [24, 3] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
# Classes
names:
0: dog
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/dog-pose.zip
사용법
이미지 크기를 640으로 설정하고 Dog-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="dog-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo pose train data=dog-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
샘플 이미지 및 주석
다음은 Dog-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 Dog-pose 데이터 세트의 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이크를 사용하는 이점을 보여줍니다.
인용 및 감사의 말씀
Dog-pose 데이터 세트를 연구 또는 개발 작업에 사용하는 경우 다음 논문을 인용하십시오.
@inproceedings{khosla2011fgvc,
title={Novel dataset for Fine-Grained Image Categorization},
author={Aditya Khosla and Nityananda Jayadevaprakash and Bangpeng Yao and Li Fei-Fei},
booktitle={First Workshop on Fine-Grained Visual Categorization (FGVC), IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
year={2011}
}
@inproceedings{deng2009imagenet,
title={ImageNet: A Large-Scale Hierarchical Image Database},
author={Jia Deng and Wei Dong and Richard Socher and Li-Jia Li and Kai Li and Li Fei-Fei},
booktitle={IEEE Computer Vision and Pattern Recognition (CVPR)},
year={2009}
}
컴퓨터 비전 커뮤니티를 위한 귀중한 리소스를 만들고 유지 관리해 주신 Stanford 팀에게 감사를 드립니다. Dog-pose 데이터 세트 및 제작자에 대한 자세한 내용은 Stanford Dogs 데이터 세트 웹사이트를 방문하십시오.
FAQ
Dog-pose 데이터 세트는 무엇이며, Ultralytics YOLO11과 함께 어떻게 사용됩니까?
Dog-Pose 데이터 세트는 개 자세 추정을 위해 24개의 키포인트로 주석이 달린 6,773개의 훈련 이미지와 1,703개의 테스트 이미지를 제공합니다. 동물 행동 분석, 반려동물 모니터링, 수의학 연구와 같은 애플리케이션을 지원하며 Ultralytics YOLO11로 모델을 훈련하고 검증하도록 설계되었습니다. 이 데이터 세트의 포괄적인 주석은 정확한 개 자세 추정 모델을 개발하는 데 이상적입니다.
Ultralytics에서 Dog-pose 데이터 세트를 사용하여 YOLO11 모델을 어떻게 학습시키나요?
이미지 크기를 640으로 설정하고 Dog-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="dog-pose.yaml", epochs=100, imgsz=640)
yolo pose train data=dog-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
전체 학습 인수 목록은 모델 학습 페이지를 참조하세요.
Dog-pose 데이터 세트를 사용할 때의 이점은 무엇인가요?
Dog-pose 데이터 세트는 다음과 같은 여러 가지 이점을 제공합니다.
크고 다양한 데이터 세트: 8,400개 이상의 이미지를 통해 광범위한 강아지 자세, 품종 및 컨텍스트를 포괄하는 상당한 데이터를 제공하여 강력한 모델 학습 및 평가를 가능하게 합니다.
세부 키포인트 어노테이션: 각 이미지는 키포인트당 3차원(x, y, 가시성)을 갖는 24개의 키포인트를 포함하여 정확한 포즈 감지 모델 훈련을 위한 정밀한 어노테이션을 제공합니다.
실제 시나리오: 다양한 환경의 이미지를 포함하여 애완 동물 모니터링 및 행동 분석과 같은 실제 애플리케이션에 대한 모델의 일반화 능력을 향상시킵니다.
전이 학습 이점: 이 데이터 세트는 전이 학습 기술과 잘 작동하므로, 사람 포즈 데이터 세트에 대해 사전 학습된 모델을 개별적인 개 특징에 맞게 조정할 수 있습니다.
기능 및 사용법에 대한 자세한 내용은 데이터 세트 소개 섹션을 참조하세요.
Dog-pose 데이터 세트를 사용하여 YOLO11 학습 과정에서 모자이킹은 어떤 이점을 제공합니까?
Dog-pose 데이터 세트의 sample_images에서 볼 수 있듯이, 모자이킹은 여러 이미지를 하나의 합성 이미지로 병합하여 각 훈련 배치에서 객체와 장면의 다양성을 풍부하게 합니다. 이 기술은 여러 가지 이점을 제공합니다.
- 각 배치에서 강아지 포즈, 크기 및 배경의 다양성을 높입니다.
- 다양한 맥락과 규모에서 강아지를 감지하는 모델의 능력 향상
- 모델을 더 다양한 시각적 패턴에 노출시켜 일반화 성능을 향상시킵니다.
- 학습 예제의 새로운 조합을 생성하여 과적합을 줄입니다.
이러한 접근 방식은 실제 시나리오에서 더 나은 성능을 제공하는 보다 강력한 모델로 이어집니다. 예시 이미지는 샘플 이미지 및 주석 섹션을 참조하십시오.
Dog-pose 데이터 세트 YAML 파일은 어디에서 찾을 수 있으며 어떻게 사용합니까?
Dog-pose 데이터 세트 YAML 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dog-pose.yaml에서 찾을 수 있습니다. 이 파일은 경로, 클래스, 키포인트 세부 정보 및 기타 관련 정보를 포함하여 데이터 세트 구성을 정의합니다. YAML은 키포인트당 3차원을 가진 24개의 키포인트를 지정하므로 자세한 포즈 추정 작업에 적합합니다.
YOLO11 학습 스크립트에서 이 파일을 사용하려면 사용법 섹션에 표시된 대로 학습 명령에서 참조하기만 하면 됩니다. 데이터 세트는 처음 사용할 때 자동으로 다운로드되므로 설정이 간단합니다.
더 많은 FAQ와 자세한 문서는 Ultralytics 문서를 참조하세요.