YOLO Vision 2026:
Research

Dog-Pose 데이터셋#

소개#

Ultralytics Dog-Pose 데이터셋은 강아지 키포인트 추정을 위해 특별히 구축된 고품질의 방대한 데이터셋으로, 6,773장의 학습용 이미지와 1,703장의 검증용 이미지를 제공합니다.



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

각 어노테이션된 이미지에는 키포인트당 3차원(x, y, 가시성)을 포함한 24개의 키포인트가 포함되어 있어, 컴퓨터 비전 분야의 고급 연구 및 개발을 위한 귀중한 자원이 됩니다.

Ultralytics Dog-Pose display image

특정 품종이나 완전히 다른 동물의 경우, Ultralytics Platform을 사용하면 인프라를 직접 관리할 필요 없이 고유한 데이터로 커스텀 키포인트 모델을 업로드, 라벨링 및 학습시킬 수 있습니다.

데이터셋 구조#

  • 총 이미지 수: 8,476개(학습 6,773개 / 검증 1,703개)이며 YOLO 형식의 레이블 파일이 포함되어 있습니다.

  • 키포인트: (x, y, visibility) 삼원조(triplet)를 포함하여 강아지 한 마리당 24개.

  • 다운로드 크기: 약 337 MB.

  • 레이아웃:

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

데이터셋 YAML#

데이터셋 구성은 YAML 파일을 사용하여 정의됩니다. 이 파일에는 경로, 키포인트 상세 정보 및 기타 관련 정보가 포함됩니다. Dog-Pose 데이터셋의 경우, dog-pose.yaml 파일은 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#

이미지 크기 640으로 100 epochs 동안 Dog-Pose 데이터셋에서 YOLO26n-pose 모델을 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 자세한 내용은 모델 Training 페이지를 참조하세요.

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)

샘플 이미지 및 주석#

다음은 Dog-Pose 데이터셋의 이미지 예시와 해당 주석입니다:

Dog pose estimation dataset mosaic training batch
  • 모자이크 처리된 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 모자이킹은 학습 중에 여러 이미지를 하나의 이미지로 결합하여 각 학습 배치 내의 객체와 장면의 다양성을 높이는 데 사용되는 기술입니다. 이는 모델이 다양한 객체 크기, 종횡비 및 맥락에 일반화할 수 있는 능력을 향상시키는 데 도움이 됩니다.

이 예시는 Dog-Pose 데이터셋에 포함된 이미지의 다양성과 복잡성, 그리고 학습 과정에서 모자이킹을 사용할 때의 이점을 보여줍니다.

인용 및 감사의 글#

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

인용
@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}
}

computer vision 커뮤니티를 위해 이 가치 있는 리소스를 만들고 유지 관리해 준 스탠퍼드(Stanford) 팀에 감사를 표합니다. Dog-Pose 데이터셋과 제작자에 대한 자세한 내용은 Stanford Dogs Dataset website를 방문하세요.

FAQ#

  • Dog-Pose 데이터셋은 강아지 포즈 추정을 위해 24개의 키포인트가 주석으로 지정된 6,773장의 학습용 이미지와 1,703장의 검증용 이미지를 제공합니다. 이 데이터셋은 Ultralytics YOLO26을 사용하여 모델을 학습하고 검증하도록 설계되었으며, 동물 행동 분석, 반려동물 모니터링, 수의학 연구 등의 애플리케이션을 지원합니다. 이 데이터셋의 포괄적인 주석은 정확한 개과 동물 포즈 추정 모델을 개발하는 데 이상적입니다.

  • yolo26n-pose.pt을 로드하고 model.train(data="dog-pose.yaml", epochs=100, imgsz=640)을 호출합니다. 전체 Python 및 CLI 스니펫은 위의 Train Example을 참고하고, 전체 인수 목록은 모델 Training 페이지를 참고하십시오.

  • 총 8,476장(학습 6,773장 / 검증 1,703장)의 이미지로 다양한 강아지 품종과 포즈를 아우르며, 주석당 3차원(x, y, 가시성)의 24개 키포인트를 제공하는 Dog-Pose 데이터셋은 모델에 pet monitoring 및 행동 분석 같은 애플리케이션에 필요한 실제 시나리오 커버리지를 제공합니다. 기능과 사용법에 대한 자세한 내용은 Dataset Introduction 섹션을 참조하세요.

  • 모자이크(Mosaicing)는 여러 Dog-Pose 이미지를 하나의 학습용 이미지로 결합하여 스텝마다 모델이 보는 강아지 포즈, 크기, 배경의 다양성을 높여주며, 이를 통해 과적합을 줄이면서 새로운 컨텍스트와 스케일에 대한 일반화 성능을 향상시킵니다. 예시 이미지는 Sample Images and Annotations 섹션을 참조하세요.

  • 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 상세 정보 및 기타 관련 정보를 포함하여 데이터셋 구성을 정의합니다. YAML에는 키포인트당 3차원을 가진 24개의 키포인트가 지정되어 있어 상세한 포즈 추정 작업에 적합합니다.

    YOLO26 학습 스크립트와 이 파일을 함께 사용하려면 Usage 섹션에 표시된 대로 학습 명령어에서 이 파일을 참조하기만 하면 됩니다. 처음 사용할 때 데이터셋이 자동으로 다운로드되므로 설정이 간단합니다.

    키포인트 모델에 대한 자세한 내용은 Pose Estimation 작업 문서를 참조하십시오.

기여자
GLglenn-jocher10RAraimbekovm4PDpderrenger2RIRizwanMunawar2

댓글