Датасет COCO-Pose#

58,931

COCO 2017 Pose

ultralytics

publicPose

COCO 2017 Pose is the canonical human-keypoint benchmark, labeling person instances with 17 body landmarks in everyday scenes. It covers varied poses, scales, crowding, truncation, and occlusion for standardized articulated-human pose estimation.

1 class5.6 GBSep 2, 2026

person

pose-estimationcocococo2017+2

Датасет COCO-Pose адаптирует COCO (Объекты в контексте) для оценки позы: 58 945 изображений из COCO Keypoints 2017, размеченных для 156 165 людей с использованием схемы из 17 ключевых точек. Это стандартный набор для обучения и бенчмаркинга моделей ключевых точек, таких как Ultralytics YOLO26, а подмножество COCO8-Pose из 8 изображений повторяет его формат для быстрой проверки работоспособности.

Предобученные модели COCO-Pose#

Ключевые особенности#

• COCO-Pose основан на соревновании COCO Keypoints 2017, в рамках которого размечено 1 710 498 отдельных ключевых точек для 156 165 размеченных людей.
• Для каждой разметки человека используются 17 типов ключевых точек — нос, глаза, уши, плечи, локти, запястья, бёдра, колени и лодыжки, — сохранённых в виде троек (x, y, visibility).
• Как и COCO, он предоставляет стандартизированные метрики оценки, включая Object Keypoint Similarity (OKS) для задач оценки позы, что делает его подходящим для сравнения производительности моделей.
• Размер загрузки: ~20,2 GB при первом использовании (train2017.zip + val2017.zip + разметка). Файл test2017.zip размером 7 GB не загружается автоматически, поскольку для этих изображений эталонная разметка скрыта и они нужны только для отправки test-dev2017.

Структура датасета#

Для обучения и валидации COCO-Pose включает только изображения COCO 2017 с людьми, размеченными ключевыми точками, поэтому его размеченные подмножества меньше, чем у полного COCO. В YAML-файле определены три подмножества:

1. Train2017: это подмножество содержит 56 599 изображений из датасета COCO, размеченных для обучения моделей оценки позы.
2. Val2017: это подмножество содержит 2 346 изображений, используемых для валидации во время обучения модели.
3. Test-dev2017: подмножество из 20 288 изображений полного набора test2017, содержащего 40 670 изображений, с закрытой эталонной разметкой. YAML-файл датасета связывает это подмножество с сервером оценки ключевых точек COCO test-dev.

Именно при обучении в таком масштабе Ultralytics Platform особенно полезна — она управляет вычислительными ресурсами, чтобы ты мог запускать и отслеживать эксперименты без самостоятельного выделения GPU.

Применения#

Датасет COCO-Pose предназначен для обучения и оценки моделей глубокого обучения в задачах обнаружения ключевых точек и оценки позы. Большое количество размеченных изображений и стандартизированные метрики оценки делают его важным ресурсом для исследователей и практиков в области компьютерного зрения, работающих с позой человека.

YAML датасета#

Для определения конфигурации датасета используется YAML-файл. Он содержит информацию о путях к датасету, классах и другие сведения. В случае датасета COCO-Pose файл coco-pose.yaml поддерживается по адресу https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# COCO 2017 Keypoints dataset https://cocodataset.org by Microsoft
# Documentation: https://docs.ultralytics.com/datasets/pose/coco
# Example usage: yolo train data=coco-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco-pose ← downloads here (20.2 GB)

# 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: coco-pose # dataset root dir
train: train2017.txt # train images (relative to 'path') 56599 images
val: val2017.txt # val images (relative to 'path') 2346 images
test: test-dev2017.txt # 20288 of 40670 images, submit to https://codalab.lisn.upsaclay.fr/competitions/7403

# Keypoints
kpt_shape: [17, 3] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 2, 1, 4, 3, 6, 5, 8, 7, 10, 9, 12, 11, 14, 13, 16, 15]

# Classes
names:
  0: person

# Keypoint names per class
kpt_names:
  0:
    - nose
    - left_eye
    - right_eye
    - left_ear
    - right_ear
    - left_shoulder
    - right_shoulder
    - left_elbow
    - right_elbow
    - left_wrist
    - right_wrist
    - left_hip
    - right_hip
    - left_knee
    - right_knee
    - left_ankle
    - right_ankle

# Download script/URL (optional)
download: |
  from pathlib import Path

  from ultralytics.utils import ASSETS_URL
  from ultralytics.utils.downloads import download

  # Download labels
  dir = Path(yaml["path"])  # dataset root dir

  urls = [f"{ASSETS_URL}/coco2017labels-pose.zip"]
  download(urls, dir=dir.parent)

  # Download data (test2017.zip excluded: ground truth is withheld, only used for the CodaLab test-dev split)
  urls = [
      "http://images.cocodataset.org/zips/train2017.zip",  # 19G, 118k images
      "http://images.cocodataset.org/zips/val2017.zip",  # 1G, 5k images
  ]
  download(urls, dir=dir / "images", threads=3)

Использование#

Чтобы обучить модель YOLO26n-pose на датасете COCO-Pose в течение 100 эпох с размером изображения 640, можно использовать следующие фрагменты кода. Полный список доступных аргументов приведён на странице обучения модели.

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="coco-pose.yaml", epochs=100, imgsz=640)

Примеры изображений и аннотаций#

Датасет COCO-Pose содержит разнообразный набор изображений с фигурами людей, размеченными ключевыми точками. Ниже приведены примеры изображений из датасета вместе с соответствующей разметкой:

• Мозаичное изображение: на этом изображении показан обучающий батч, составленный из мозаичных изображений датасета. Мозаицирование — это применяемая во время обучения техника, которая объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждом обучающем батче. Это помогает улучшить способность модели обобщать данные для объектов разных размеров, с разными соотношениями сторон и в разных контекстах.

Этот пример демонстрирует разнообразие и сложность изображений в датасете COCO-Pose, а также преимущества использования мозаичного объединения в процессе обучения.

Цитирование и благодарности#

Если ты используешь датасет COCO-Pose в исследовательской или разработческой работе, пожалуйста, процитируй следующую статью:

@misc{lin2015microsoft,
      title={Microsoft COCO: Common Objects in Context},
      author={Tsung-Yi Lin and Michael Maire and Serge Belongie and Lubomir Bourdev and Ross Girshick and James Hays and Pietro Perona and Deva Ramanan and C. Lawrence Zitnick and Piotr Dollár},
      year={2015},
      eprint={1405.0312},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Мы выражаем благодарность COCO Consortium за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения. Дополнительную информацию о датасете COCO-Pose и его создателях можно найти на веб-сайте датасета COCO.

Часто задаваемые вопросы#