Tiger-Pose 데이터 세트
소개
Ultralytics는 자세 추정 작업을 위해 설계된 다재다능한 컬렉션인 Tiger-Pose 데이터 세트를 소개합니다. 이 데이터 세트는 YouTube 비디오에서 가져온 263개의 이미지로 구성되어 있으며, 210개의 이미지는 훈련용으로, 53개의 이미지는 유효성 검사용으로 할당됩니다. 자세 추정 알고리즘을 테스트하고 문제를 해결하는 데 훌륭한 리소스 역할을 합니다.
Tiger-Pose 데이터 세트는 210개의 이미지로 관리하기 쉬운 크기임에도 불구하고 다양성을 제공하므로, 훈련 파이프라인을 평가하고 잠재적인 오류를 식별하는 데 적합하며, 포즈 추정을 위해 더 큰 데이터 세트로 작업하기 전에 유용한 사전 단계 역할을 합니다.
이 데이터 세트는 Ultralytics HUB 및 YOLO11과 함께 사용하기 위한 것입니다.
참고: Ultralytics HUB를 사용하여 Tiger-Pose 데이터 세트에서 YOLO11 포즈 모델 학습
데이터세트 YAML
YAML(Yet Another Markup Language) 파일은 데이터 세트의 구성 세부 정보를 지정하는 데 사용됩니다. 여기에는 파일 경로, 클래스 정의 및 기타 관련 정보와 같은 중요한 데이터가 포함됩니다. 특히, tiger-pose.yaml
파일은 다음에서 확인할 수 있습니다. Ultralytics Tiger-Pose 데이터 세트 구성 파일.
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
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/tiger-pose.zip
사용법
이미지 크기를 640으로 설정하고 Tiger-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="tiger-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo task=pose mode=train data=tiger-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
샘플 이미지 및 주석
다음은 Tiger-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 Tiger-Pose 데이터 세트의 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이크를 사용하는 이점을 보여줍니다.
추론 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)
# Run inference using a tiger-pose trained model
yolo task=pose mode=predict source="https://youtu.be/MIBAT6BGE6U" show=True model="path/to/best.pt"
인용 및 감사의 말씀
이 데이터 세트는 AGPL-3.0 라이선스에 따라 사용 가능합니다.
FAQ
Ultralytics Tiger-Pose 데이터 세트는 어디에 사용됩니까?
Ultralytics Tiger-Pose 데이터 세트는 포즈 추정 작업을 위해 설계되었으며 YouTube 비디오에서 가져온 263개의 이미지로 구성됩니다. 데이터 세트는 210개의 학습 이미지와 53개의 유효성 검사 이미지로 나뉩니다. Ultralytics HUB 및 YOLO11을 사용하여 포즈 추정 알고리즘을 테스트, 학습 및 개선하는 데 특히 유용합니다.
Tiger-Pose 데이터 세트에서 YOLO11 모델을 어떻게 학습시키나요?
이미지 크기를 640으로 설정하고 Tiger-Pose 데이터 세트에서 YOLO11n-pose 모델을 100 epoch 동안 학습하려면 다음 코드 스니펫을 사용하십시오. 자세한 내용은 학습 페이지를 방문하십시오.
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="tiger-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo task=pose mode=train data=tiger-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
어떤 구성을 tiger-pose.yaml
파일에 무엇이 포함되어 있습니까?
에 지정되어 있습니다. tiger-pose.yaml
파일은 Tiger-Pose 데이터 세트의 구성 세부 정보를 지정하는 데 사용됩니다. 여기에는 파일 경로 및 클래스 정의와 같은 중요한 데이터가 포함됩니다. 정확한 구성을 확인하려면 다음을 확인하십시오. Ultralytics Tiger-Pose 데이터 세트 구성 파일.
Tiger-Pose 데이터 세트에서 훈련된 YOLO11 모델을 사용하여 추론을 실행하려면 어떻게 해야 합니까?
Tiger-Pose 데이터 세트에서 훈련된 YOLO11 모델을 사용하여 추론을 수행하려면 다음 코드 스니펫을 사용할 수 있습니다. 자세한 내용은 예측 페이지를 참조하십시오.
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)
# Run inference using a tiger-pose trained model
yolo task=pose mode=predict source="https://youtu.be/MIBAT6BGE6U" show=True model="path/to/best.pt"
포즈 추정에 Tiger-Pose 데이터 세트를 사용할 때의 이점은 무엇인가요?
Tiger-Pose 데이터 세트는 훈련을 위한 210개의 이미지라는 관리 가능한 크기에도 불구하고 포즈 추정 파이프라인을 테스트하는 데 이상적인 다양한 이미지 컬렉션을 제공합니다. 이 데이터 세트는 잠재적인 오류를 식별하는 데 도움이 되며 더 큰 데이터 세트로 작업하기 전에 예비 단계 역할을 합니다. 또한 이 데이터 세트는 Ultralytics HUB 및 YOLO11과 같은 고급 도구를 사용하여 포즈 추정 알고리즘의 훈련 및 개선을 지원하여 모델 성능과 정확도를 향상시킵니다.