콘텐츠로 건너뛰기

Dog-Pose 데이터세트

소개

그리고 Ultralytics 개 포즈 데이터 세트는 개 키포인트 추정을 위해 특별히 큐레이션된 고품질의 광범위한 데이터 세트입니다. 6,773개의 훈련 이미지와 1,703개의 테스트 이미지가 포함된 이 데이터 세트는 강력한 포즈 추정 모델을 훈련하기 위한 탄탄한 기반을 제공합니다.



참고: Stanford Dog Pose Estimation 데이터셋으로 Ultralytics YOLO26 학습하는 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.

Ultralytics 강아지 포즈 표시 이미지

이 데이터셋은 Ultralytics Platform 및 YOLO26과 함께 사용하도록 고안되었습니다.

데이터 세트 구조

  • 분할: 6,773개의 트레인 / 1,703개의 테스트 이미지와 일치하는 YOLO 라벨 파일.
  • 키포인트: 개 한 마리당 24개 (x, y, visibility) 세쌍둥이.

  • 레이아웃:

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

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

# 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 100 epoch 동안 YOLO26n-pose 모델을 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 포괄적인 목록은 모델 학습 페이지를 참조하십시오.

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

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

샘플 이미지 및 주석

다음은 Dog-pose 데이터 세트의 이미지와 해당 어노테이션의 예입니다.

개 자세 추정 데이터셋 모자이크 훈련 배치

  • 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 데이터셋은 무엇이며, Ultralytics YOLO26과 어떻게 사용됩니까?

Dog-Pose 데이터셋은 강아지 포즈 추정을 위한 24개의 키포인트로 주석 처리된 6,773개의 학습 이미지와 1,703개의 테스트 이미지를 포함합니다. 이 데이터셋은 Ultralytics YOLO26을 사용하여 모델을 학습하고 검증하도록 설계되었으며, 동물 행동 분석, 반려동물 모니터링, 수의학 연구와 같은 응용 분야를 지원합니다. 데이터셋의 포괄적인 주석은 개를 위한 정확한 포즈 추정 모델 개발에 이상적입니다.

Ultralytics에서 Dog-pose 데이터셋을 사용하여 YOLO26 모델을 어떻게 학습시키나요?

Dog-pose 데이터셋에서 이미지 크기 640으로 100 epoch 동안 YOLO26n-pose 모델을 학습하려면 다음 예시를 따르십시오.

훈련 예제

from ultralytics import YOLO

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

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

yolo pose train data=dog-pose.yaml model=yolo26n-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 데이터셋은 전이 학습 기술과 잘 작동하여 사람 자세 데이터셋으로 사전 훈련된 모델이 개 특정 특징에 적응할 수 있도록 합니다.

기능 및 사용법에 대한 자세한 내용은 데이터 세트 소개 섹션을 참조하세요.

모자이킹은 Dog-pose 데이터셋을 사용한 YOLO26 학습 과정에 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 스케일에서 개를 detect하는 모델의 능력을 향상시킵니다.
  • 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 데이터셋 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 포함한 데이터셋 구성을 정의합니다. yaml은 키포인트당 3차원의 24개 키포인트를 지정하여 상세한 자세 추정 작업에 적합합니다.

이 파일을 YOLO26 학습 스크립트와 함께 사용하려면 사용법 섹션에 표시된 대로 학습 명령에서 참조하기만 하면 됩니다. 데이터셋은 처음 사용할 때 자동으로 다운로드되어 설정이 간단합니다.

더 많은 FAQ와 자세한 문서는 Ultralytics 문서를 참조하세요.



5; 1 년 전에 생성됨 ✏️ 7 전에 업데이트됨
glenn-jocherRizwanMunawarpderrenger

댓글