Ultralytics YOLO27:
Research

Dog-Pose 데이터셋#

소개#

Ultralytics Dog-Pose 데이터셋은 개의 keypoint 추정을 위해 특별히 선별된 고품질의 방대한 데이터셋으로, 학습 이미지 6,773장과 검증 이미지 1,703장을 제공합니다.



Watch: How to Train an Ultralytics YOLO Model on the Stanford Dog Pose Estimation Dataset | Step-by-Step Tutorial

각 주석 이미지에는 keypoint당 3개 차원(x, y, visibility)으로 구성된 24개의 keypoint가 포함되어 있어, computer vision 분야의 고급 연구 및 개발에 유용한 리소스입니다.

Ultralytics Dog-Pose display image

특정 품종이나 전혀 다른 동물을 대상으로 하는 경우에도 Ultralytics Platform을 사용하면 인프라를 직접 관리하지 않고 자체 데이터에 custom keypoint model을 업로드하고, labeling하고, 학습할 수 있습니다.

데이터셋 구조#

  • 전체 이미지 수: 8,476장(학습 6,773장 / 검증 1,703장)이며, 이에 대응하는 YOLO 형식의 label 파일이 제공됩니다.

  • Keypoint: 개 한 마리당 24개이며 (x, y, visibility) 트리플릿으로 구성됩니다.

  • 다운로드 크기: ~337 MB입니다.

  • 구성:

    datasets/dog-pose/
├── images/{train,val}
└── labels/{train,val}

데이터셋 YAML#

YAML 파일을 사용하여 데이터셋 구성을 정의합니다. 여기에는 경로, keypoint 세부 정보 및 기타 관련 정보가 포함됩니다. Dog-Pose 데이터셋의 경우 dog-pose.yaml 파일을 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dog-pose.yaml에서 확인할 수 있습니다.

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

# Keypoint names per class
kpt_names:
  0:
    - front_left_paw
    - front_left_knee
    - front_left_elbow
    - rear_left_paw
    - rear_left_knee
    - rear_left_elbow
    - front_right_paw
    - front_right_knee
    - front_right_elbow
    - rear_right_paw
    - rear_right_knee
    - rear_right_elbow
    - tail_start
    - tail_end
    - left_ear_base
    - right_ear_base
    - nose
    - chin
    - left_ear_tip
    - right_ear_tip
    - left_eye
    - right_eye
    - withers
    - throat

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

사용법#

Dog-Pose 데이터셋에서 이미지 크기 640으로 YOLO26n-pose model을 100개의 epoch 동안 학습하려면 다음 코드 예제를 사용할 수 있습니다. 사용 가능한 인자 전체 목록은 model 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="dog-pose.yaml", epochs=100, imgsz=640)

샘플 이미지 및 주석#

다음은 Dog-Pose 데이터셋의 일부 이미지와 해당 주석의 예시입니다:

Dog pose estimation dataset mosaic training batch
  • 모자이크 처리된 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 모자이크 처리는 학습 중 여러 이미지를 하나의 이미지로 결합하여 각 학습 배치에 포함되는 객체와 장면의 다양성을 높이는 기법입니다. 이를 통해 다양한 객체 크기, 종횡비 및 컨텍스트에 대한 모델의 일반화 성능을 향상할 수 있습니다.

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

인용 및 감사의 글#

연구 또는 개발 작업에서 Dog-Pose 데이터셋을 사용하는 경우 다음 논문을 인용해 주십시오:

인용문
@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}
}

이 귀중한 리소스를 제작하고 유지 관리하여 computer vision 커뮤니티에 기여한 Stanford 팀에 감사드립니다. Dog-Pose 데이터셋과 제작자에 대한 자세한 내용은 Stanford Dogs Dataset 웹사이트를 방문하십시오.

FAQ#

  • Dog-Pose 데이터셋에는 개 pose estimation을 위해 24개의 keypoint가 주석으로 추가된 학습 이미지 6,773장과 검증 이미지 1,703장이 포함되어 있습니다. 이 데이터셋은 Ultralytics YOLO26을 사용하여 model을 학습하고 검증하도록 설계되었으며, 동물 행동 분석, 반려동물 모니터링, 수의학 연구 등의 애플리케이션을 지원합니다. 포괄적인 주석 덕분에 개의 정확한 pose estimation model을 개발하는 데 적합합니다.

  • yolo26n-pose.pt을 로드하고 model.train(data="dog-pose.yaml", epochs=100, imgsz=640)을 호출하세요. 전체 Python 및 CLI 코드 스니펫은 위의 학습 예제를, 인자 전체 목록은 모델 학습 페이지를 참조하세요.

  • 다양한 개 품종과 pose를 다루는 총 8,476개의 이미지(학습 6,773장 / 검증 1,703장)와 각 주석당 3개 차원(x, y, visibility)의 24개 keypoint를 제공하는 Dog-Pose 데이터셋은 model이 반려동물 모니터링 및 행동 분석과 같은 애플리케이션에 필요한 실제 환경을 폭넓게 학습할 수 있도록 합니다. 기능과 사용법에 대한 자세한 내용은 Dataset Introduction 섹션을 참조하십시오.

  • Mosaicing은 여러 Dog-Pose 이미지를 하나의 학습 이미지로 결합하여, model이 각 step에서 접하는 개의 pose, 크기 및 배경의 다양성을 높입니다. 이를 통해 과적합을 줄이면서 새로운 컨텍스트와 스케일에 대한 일반화 성능을 향상합니다. 이미지 예시는 Sample Images and Annotations 섹션을 참조하십시오.

  • Dog-Pose 데이터셋 YAML 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dog-pose.yaml에서 확인할 수 있습니다. 이 파일은 경로, class, keypoint 세부 정보 및 기타 관련 정보를 포함한 데이터셋 구성을 정의합니다. YAML에는 keypoint당 3개 차원으로 구성된 24개의 keypoint가 지정되어 있어, 상세한 pose estimation 작업에 적합합니다.

    이 파일을 YOLO26 학습 스크립트와 함께 사용하려면 Usage 섹션에 나온 것처럼 학습 명령에서 해당 파일을 참조하면 됩니다. 처음 사용할 때 데이터셋이 자동으로 다운로드되므로 설정이 간단합니다.

    키포인트 모델에 대한 자세한 내용은 포즈 추정 작업 문서를 참조하십시오.

기여자
GLglenn-jocher10RAraimbekovm4PDpderrenger2RIRizwanMunawar2

댓글