Link to this sectionTiger-Pose 데이터셋#

Q: tiger-pose.yaml 파일에는 어떤 구성이 포함되어 있습니까?

tiger-pose.yaml 파일은 Tiger-Pose 데이터셋의 구성 세부 정보를 지정하는 데 사용됩니다. 여기에는 파일 경로 및 클래스 정의와 같은 중요한 데이터가 포함됩니다. 정확한 구성을 확인하려면 Ultralytics Tiger-Pose 데이터셋 구성 파일을 확인하십시오.

Link to this section소개#

Ultralytics는 포즈 추정 작업을 위해 설계된 다목적 데이터셋인 Tiger-Pose 데이터셋을 소개합니다. 이 데이터셋은 YouTube 영상에서 추출한 263장의 이미지로 구성되어 있으며, 210장은 학습용, 53장은 검증용으로 할당되었습니다. 이는 포즈 추정 알고리즘을 테스트하고 문제를 해결하기 위한 훌륭한 리소스입니다.

210장의 이미지라는 관리하기 쉬운 학습 분량에도 불구하고, Tiger-Pose 데이터셋은 다양성을 제공하여 학습 파이프라인을 평가하고 잠재적인 오류를 식별하며, 더 큰 데이터셋으로 포즈 추정 작업을 수행하기 전 유용한 준비 단계로 활용하기 적합합니다.

이 데이터셋은 Ultralytics Platform 및 YOLO26과 함께 사용하도록 의도되었습니다.

Link to this section데이터셋 구조#

전체 이미지 수: 263장 (학습 210장 / 검증 53장).
키포인트: 호랑이당 12개 (가시성 플래그 없음).
디렉토리 구조: labels/{train,val} 아래에 저장된 YOLO 형식의 키포인트와 images/{train,val} 디렉토리.

Watch: Train YOLO26 Pose Model on Tiger-Pose Dataset Using Ultralytics Platform

Link to this section데이터셋 YAML#

YAML(Yet Another Markup Language) 파일은 데이터셋의 구성 세부 정보를 지정하는 수단입니다. 여기에는 파일 경로, 클래스 정의 및 기타 관련 정보와 같은 중요한 데이터가 포함됩니다. 특히 tiger-pose.yaml 파일의 경우 Ultralytics Tiger-Pose 데이터셋 구성 파일을 확인하실 수 있습니다.

ultralytics/cfg/datasets/tiger-pose.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Tiger Pose dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/tiger-pose/
# Example usage: yolo train data=tiger-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── tiger-pose ← downloads here (49.8 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: tiger-pose # dataset root dir
train: images/train # train images (relative to 'path') 210 images
val: images/val # val images (relative to 'path') 53 images

# Keypoints
kpt_shape: [12, 2] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

# Classes
names:
  0: tiger

# Keypoint names per class
kpt_names:
  0:
    - nose
    - head
    - withers
    - tail_base
    - right_hind_hock
    - right_hind_paw
    - left_hind_paw
    - left_hind_hock
    - right_front_wrist
    - right_front_paw
    - left_front_wrist
    - left_front_paw

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

Link to this section사용법#

Tiger-Pose 데이터셋에서 YOLO26n-pose 모델을 640 이미지 크기로 100 에폭(epochs) 동안 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 학습(Training) 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="tiger-pose.yaml", epochs=100, imgsz=640)

Link to this section샘플 이미지 및 주석#

다음은 Tiger-Pose 데이터셋의 이미지 예시와 해당 주석입니다:

Tiger 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 Tiger-Pose 데이터셋 이미지의 다양성과 복잡성, 그리고 학습 과정에서 모자이킹을 사용할 때의 이점을 보여줍니다.

Link to this section추론 예시#

추론 예시

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a tiger-pose trained model

# Run inference
results = model.predict(source="https://youtu.be/MIBAT6BGE6U", show=True)

Link to this section인용 및 감사의 글#

이 데이터셋은 AGPL-3.0 라이선스하에 릴리스되었습니다.

Ultralytics Tiger-Pose 데이터셋은 포즈 추정 작업을 위해 설계되었으며, YouTube 영상에서 추출한 263장의 이미지로 구성됩니다. 이 데이터셋은 210장의 학습 이미지와 53장의 검증 이미지로 나뉩니다. 이는 Ultralytics Platform 및 YOLO26을 사용하여 포즈 추정 알고리즘을 테스트, 학습 및 개선하는 데 특히 유용합니다.