Tiger-Pose 데이터셋#

262

Tiger Pose

ultralytics

publicPose

Tiger pose-estimation dataset with 262 unique 1280x720 video frames across 209 train and 53 validation images, all labeled with one tiger instance and 12 two-dimensional keypoints. One byte-identical duplicate frame with a redundant near-identical label was excluded. Ultralytics pose annotations are distributed with source frames derived from the attributed YouTube tiger video.

1 class44 MBAug 21, 2026

tiger

tigerswildlifepose-estimation+1

소개#

Ultralytics는 포즈 추정 작업을 위해 설계된 다목적 컬렉션인 Tiger-Pose 데이터셋을 소개합니다. 이 데이터셋은 YouTube video에서 가져온 263장의 이미지로 구성되어 있으며, 210장은 훈련용, 53장은 검증용으로 할당되어 있습니다. 포즈 추정 알고리즘을 테스트하고 트러블슈팅하기 위한 훌륭한 리소스 역할을 합니다.

210장의 이미지로 구성된 관리하기 쉬운 훈련 분할에도 불구하고, Tiger-Pose 데이터셋은 다양성을 제공하므로 훈련 파이프라인 평가, 잠재적 오류 식별에 적합하며, 더 큰 pose estimation 데이터셋으로 작업하기 전 가치 있는 사전 단계 역할을 합니다.

이 소규모 세트에서 파이프라인 훈련이 깨끗하게 완료되면, 브라우저를 떠나지 않고도 자체 동물 또는 객체 키포인트로 교체하고 Ultralytics Platform에서 훈련을 확장할 수 있습니다.

데이터셋 구조#

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

데이터셋 YAML#

YAML 파일은 데이터셋의 구성 세부 정보를 지정하는 수단 역할을 합니다. 파일 경로, 클래스 정의 및 기타 관련 정보와 같은 중요한 데이터를 포함합니다. 특히 tiger-pose.yaml 파일의 경우 Ultralytics Tiger-Pose Dataset Configuration File을 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 크기 640으로 Tiger-Pose 데이터셋에서 YOLO26n-pose 모델을 100 epochs 동안 훈련하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 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)

샘플 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.

추론 예시#

훈련 후, 가장 우수한 체크포인트를 로드하고 새로운 이미지나 비디오에 대해 인포런스를 실행합니다. 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/Gc6K5eKrTNQ", show=True)

인용 및 감사의 글#

Ultralytics는 AGPL-3.0 License에 따라 Tiger-Pose 데이터셋 주석을 배포합니다. 소스 비디오는 추출된 프레임을 사용하거나 재배포하기 전에 검토해야 하는 original terms의 적용을 받습니다.

FAQ#