Link to this sectionTiger-Pose 데이터셋#

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.

Tiger-Pose 데이터셋은 210개의 이미지로 구성된 관리하기 쉬운 학습용 분할 데이터임에도 불구하고 다양성을 제공하여, 학습 파이프라인 평가, 잠재적 오류 식별, 그리고 자세 추정을 위한 더 큰 데이터셋을 다루기 전 유용한 예비 단계로 활용하기에 적합합니다.

이 작은 데이터셋으로 파이프라인이 원활하게 학습되면, Ultralytics Platform에서 브라우저를 벗어나지 않고도 사용자 고유의 동물 또는 객체 키포인트로 교체하여 학습 규모를 확장하십시오.

Link to this section데이터셋 구조#

• 전체 이미지 수: 263장 (학습 210장 / 검증 53장).
• 키포인트: 호랑이당 12개 (가시성 플래그 없음).
• 다운로드 크기: ~49.8 MB.
• 디렉토리 구조: labels/{train,val} 아래에 저장된 YOLO 형식의 키포인트와 images/{train,val} 디렉토리.

Link to this section데이터셋 YAML#

YAML 파일은 데이터셋의 구성 세부 정보를 지정하는 수단으로 사용됩니다. 이 파일에는 파일 경로, 클래스 정의 및 기타 관련 정보와 같은 중요한 데이터가 포함되어 있습니다. 특히 tiger-pose.yaml 파일의 경우 Ultralytics Tiger-Pose Dataset Configuration File에서 확인하실 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

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.

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:

• 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#

학습 후, 최상의 체크포인트를 로드하여 새로운 이미지나 비디오에서 추론을 실행하십시오. 전체 인수 목록은 Prediction 페이지를 참조하십시오.

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#

Ultralytics는 Tiger-Pose 데이터셋 주석을 AGPL-3.0 License 하에 배포합니다. 원본 영상은 기존 약관의 적용을 받으며, 추출된 프레임을 사용하거나 재배포하기 전에 해당 약관을 검토해야 합니다.

Link to this sectionFAQ#

Link to this sectionUltralytics Tiger-Pose 데이터셋은 어디에 사용됩니까?#

Ultralytics Tiger-Pose 데이터셋은 포즈 추정 작업을 위해 설계되었으며, YouTube 비디오에서 가져온 263개의 이미지로 구성되어 있습니다. 이 데이터셋은 210개의 학습 이미지와 53개의 검증 이미지로 나뉘어 있어, 포즈 추정 알고리즘을 테스트, 학습 및 개선하는 데 적합합니다.

Link to this sectionTiger-Pose 데이터셋에서 YOLO26 모델을 학습하려면 어떻게 해야 합니까?#

yolo26n-pose.pt를 로드하고 model.train(data="tiger-pose.yaml", epochs=100, imgsz=640)을 호출하십시오. 전체 Python 및 CLI 스니펫은 위의 Train Example을, 포괄적인 인수 목록은 Training 페이지를 참조하십시오.

Link to this sectiontiger-pose.yaml 파일에는 어떤 구성이 포함되어 있습니까?#

tiger-pose.yaml 파일은 데이터셋 경로, 학습/검증 이미지 디렉토리, 단일 클래스(tiger) 및 kpt_shape: [12, 2](가시성 플래그가 없는 인스턴스당 12개의 키포인트)를 정의합니다. 정확한 구성은 Ultralytics Tiger-Pose Dataset Configuration File을 참조하십시오.

Link to this sectionTiger-Pose 데이터셋으로 학습된 YOLO26 모델을 사용하여 추론을 실행하려면 어떻게 해야 합니까?#

학습된 체크포인트(예: path/to/best.pt)를 로드하고 model.predict(source=..., show=True)를 호출하십시오. 전체 Python 및 CLI 스니펫은 위의 Inference Example을, 포괄적인 인수 목록은 Prediction 페이지를 참조하십시오.

Link to this section포즈 추정을 위해 Tiger-Pose 데이터셋을 사용하면 어떤 이점이 있습니까?#

총 263개의 이미지(학습 210개 / 검증 53개), 1개의 클래스, 인스턴스당 12개의 키포인트, 약 49.8 MB의 다운로드 크기를 갖춘 Tiger-Pose는 빠르게 관리할 수 있을 만큼 작으면서도, 더 큰 데이터셋으로 작업하기 전에 포즈 학습 파이프라인을 검증하고 오류를 식별하기에 충분히 다양합니다.