타이거 포즈 데이터 세트

소개

Ultralytics 는 포즈 추정 작업을 위해 설계된 다용도 컬렉션인 Tiger-Pose 데이터 세트를 소개합니다. 이 데이터 세트는 YouTube 동영상에서 가져온 263개의 이미지로 구성되어 있으며, 210개의 이미지는 훈련용으로, 53개는 검증용으로 할당되어 있습니다. 포즈 추정 알고리즘을 테스트하고 문제를 해결하기 위한 훌륭한 리소스입니다.

호랑이 포즈 데이터 세트는 210개의 이미지로 관리하기 쉬운 크기임에도 불구하고 다양성을 제공하기 때문에 훈련 파이프라인을 평가하고 잠재적인 오류를 식별하며 포즈 추정을 위한 대규모 데이터 세트 작업 전에 유용한 예비 단계로 사용하기에 적합합니다.

This dataset is intended for use with Ultralytics HUB and YOLO11.

Watch: Train YOLO11 Pose Model on Tiger-Pose Dataset Using Ultralytics HUB

데이터 세트 YAML

YAML(또 다른 마크업 언어) 파일은 데이터 세트의 구성 세부 정보를 지정하는 수단으로 사용됩니다. 여기에는 파일 경로, 클래스 정의 및 기타 관련 정보와 같은 중요한 데이터가 포함됩니다. 특히 tiger-pose.yaml 파일에서 다음을 확인할 수 있습니다. Ultralytics 타이거 포즈 데이터 세트 구성 파일.

# Ultralytics YOLO 🚀, AGPL-3.0 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 (75.3 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: ../datasets/tiger-pose # dataset root dir
train: train # train images (relative to 'path') 210 images
val: 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

To train a YOLO11n-pose model on the Tiger-Pose dataset for 100 epochs with an image size of 640, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

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 타이거 포즈 데이터 세트의 이미지와 해당 주석의 몇 가지 예입니다:

• 모자이크 이미지: 이 이미지는 모자이크된 데이터 세트 이미지로 구성된 훈련 배치의 예시입니다. 모자이크는 여러 이미지를 하나의 이미지로 결합하여 각 훈련 배치 내에서 다양한 개체와 장면을 늘리기 위해 훈련 중에 사용되는 기술입니다. 이를 통해 다양한 객체 크기, 종횡비 및 컨텍스트에 일반화하는 모델의 능력을 향상시킬 수 있습니다.

이 예는 타이거 포즈 데이터 세트에 포함된 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이크 사용의 이점을 보여줍니다.

추론 예제

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 감사

이 데이터 세트는 AGPL-3.0 라이선스에 따라 공개되었습니다.

자주 묻는 질문

Ultralytics 타이거 포즈 데이터 세트는 어떤 용도로 사용되나요?

The Ultralytics Tiger-Pose dataset is designed for pose estimation tasks, consisting of 263 images sourced from a YouTube video. The dataset is divided into 210 training images and 53 validation images. It is particularly useful for testing, training, and refining pose estimation algorithms using Ultralytics HUB and YOLO11.

How do I train a YOLO11 model on the Tiger-Pose dataset?

To train a YOLO11n-pose model on the Tiger-Pose dataset for 100 epochs with an image size of 640, use the following code snippets. For more details, visit the Training page:

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 구성이 tiger-pose.yaml 파일을 포함하나요?

그리고 tiger-pose.yaml 파일은 Tiger-Pose 데이터 세트의 구성 세부 정보를 지정하는 데 사용됩니다. 여기에는 파일 경로와 클래스 정의와 같은 중요한 데이터가 포함됩니다. 정확한 구성을 보려면, 다음 링크에서 Ultralytics 타이거 포즈 데이터 세트 구성 파일.

How can I run inference using a YOLO11 model trained on the Tiger-Pose dataset?

To perform inference using a YOLO11 model trained on the Tiger-Pose dataset, you can use the following code snippets. For a detailed guide, visit the Prediction page:

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 타이거 포즈 데이터셋을 사용하면 어떤 이점이 있나요?

The Tiger-Pose dataset, despite its manageable size of 210 images for training, provides a diverse collection of images that are ideal for testing pose estimation pipelines. The dataset helps identify potential errors and acts as a preliminary step before working with larger datasets. Additionally, the dataset supports the training and refinement of pose estimation algorithms using advanced tools like Ultralytics HUB and YOLO11, enhancing model performance and accuracy.

📅 Created 11 months ago ✏️ Updated 22 days ago

댓글