Tiger-Pose 데이터셋#

262

Tiger Pose

ultralytics

publicPose

Tiger Pose contains 1280 x 720 video frames derived from an attributed YouTube tiger video. Each labeled animal has 12 two-dimensional keypoints, supporting articulated pose estimation across walking, standing, body orientation, limb movement, and partial occlusion.

1 class44 MBSep 2, 2026

tiger

tigerswildlifepose-estimation+1

소개#

Ultralytics는 포즈 추정 작업을 위해 설계된 다목적 컬렉션인 Tiger-Pose 데이터셋을 소개합니다. 이 데이터셋은 YouTube 동영상에서 가져온 이미지 263개로 구성되며, 이 중 210개는 학습용이고 53개는 검증용입니다. 포즈 추정 알고리즘을 테스트하고 문제를 해결하는 데 탁월한 리소스입니다.

학습용 이미지가 210개로 적당한 규모이지만 Tiger-Pose 데이터셋은 다양성을 갖추고 있어, 학습 파이프라인을 평가하고 잠재적 오류를 파악하는 데 적합하며, 더 큰 데이터셋을 활용한 포즈 추정에 앞서 유용한 예비 단계로 사용할 수 있습니다.

이 작은 데이터셋으로 파이프라인 학습을 문제없이 완료한 후에는 자체 동물 또는 객체 키포인트로 바꾸고, 브라우저를 벗어나지 않고 Ultralytics Platform에서 학습 규모를 확장할 수 있습니다.

데이터셋 구조#

• 총 이미지 수: 263개 (학습 210개 / 검증 53개).
• 키포인트: 호랑이 한 마리당 12개 (가시성 플래그 없음).
• 다운로드 크기: ~49.8 MB.
• 디렉터리 레이아웃: YOLO 형식의 키포인트는 labels/{train,val} 아래에 저장되며, images/{train,val} 디렉터리와 나란히 배치됩니다.

데이터셋 YAML#

YAML 파일은 데이터셋 구성 세부 정보를 지정하는 데 사용됩니다. 파일 경로, 클래스 정의 및 기타 관련 정보와 같은 주요 데이터를 포함합니다. 특히 tiger-pose.yaml 파일은 Ultralytics Tiger-Pose 데이터셋 구성 파일에서 확인할 수 있습니다.

# 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

사용법#

이미지 크기를 640으로 설정하고 Tiger-Pose 데이터셋에서 YOLO26n-pose 모델을 100 에포크 동안 학습하려면 다음 코드 예제를 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 학습 페이지를 참조하세요.

from ultralytics import YOLO

# 모델 로드
model = YOLO("yolo26n-pose.pt")  # 사전 학습된 모델을 불러옵니다(학습에 권장).

# 모델 학습
results = model.train(data="tiger-pose.yaml", epochs=100, imgsz=640)

샘플 이미지 및 어노테이션#

다음은 Tiger-Pose 데이터셋의 이미지와 해당 어노테이션 예시입니다.

• 모자이크 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 모자이크 처리는 학습 중 여러 이미지를 하나의 이미지로 결합해 각 학습 배치에 포함되는 객체와 장면의 다양성을 높이는 기법입니다. 이 기법은 모델이 다양한 객체 크기, 종횡비 및 맥락에 일반화하는 능력을 향상하는 데 도움이 됩니다.

이 예시는 Tiger-Pose 데이터셋 이미지의 다양성과 복잡성, 그리고 학습 과정에서 모자이크를 사용하는 이점을 보여줍니다.

추론 예시#

학습 후 최적의 체크포인트를 불러와 새 이미지나 동영상에서 추론을 실행하세요. 전체 인수 목록은 예측 페이지를 참조하세요.

from ultralytics import YOLO

# 모델 로드
model = YOLO("path/to/best.pt")  # tiger-pose로 학습한 모델 불러오기

# 추론 실행
results = model.predict(source="https://youtu.be/Gc6K5eKrTNQ", show=True)

인용 및 감사의 글#

Ultralytics는 Tiger-Pose 데이터셋 어노테이션을 AGPL-3.0 라이선스에 따라 배포합니다. 원본 동영상에는 원래 이용 약관이 계속 적용되므로, 추출한 프레임을 사용하거나 재배포하기 전에 해당 약관을 검토해야 합니다.

자주 묻는 질문#