콘텐츠로 건너뛰기

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 HUBYOLO11과 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.

데이터 세트 샘플 이미지

  • 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 HUBYOLO11을 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 HUBYOLO11과 같은 고급 도구를 사용하여 포즈 추정 알고리즘의 훈련 및 개선을 지원하여 모델 성능과 정확도를 향상시킵니다.



📅 1년 전에 생성됨 ✏️ 5개월 전에 업데이트됨

댓글