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 세트로 작업하기 전에 유용한 예비 단계로 사용하기에 적합합니다.

이 데이터 세트는 Ultralytics HUB 및 YOLOv8.

Watch: Ultralytics HUB를 사용하여 타이거 포즈 데이터 세트에서 YOLOv8 포즈 모델 훈련하기

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://ultralytics.com/assets/tiger-pose.zip

사용법

이미지 크기가 640인 100개의 에포크에 대해 Tiger-Pose 데이터 세트에서 YOLOv8n-pose 모델을 훈련하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 학습 페이지를 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-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=yolov8n.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://www.youtube.com/watch?v=MIBAT6BGE6U&pp=ygUYdGlnZXIgd2Fsa2luZyByZWZlcmVuY2Ug" show=True)

# Run inference using a tiger-pose trained model
yolo task=pose mode=predict source="https://www.youtube.com/watch?v=MIBAT6BGE6U&pp=ygUYdGlnZXIgd2Fsa2luZyByZWZlcmVuY2Ug" show=True model="path/to/best.pt"

인용 및 감사

이 데이터 세트는 AGPL-3.0 라이선스에 따라 공개되었습니다.

댓글