Набор данных 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.

11 class5.6 GBSep 2, 2026

person

pose-estimationcocococo2017+2

Набор данных COCO-Pose адаптирует COCO (общие объекты в контексте) для оценки позы: 58 945 изображений из COCO Keypoints 2017 размечены для 156 165 человек с использованием схемы из 17 ключевых точек. Это стандартный набор для обучения моделей ключевых точек и сравнения их производительности, например Ultralytics YOLO26, а подмножество из 8 изображений COCO8-Pose повторяет его формат для быстрых проверок работоспособности.

Предварительно обученные модели COCO-Pose#

Основные особенности#

• COCO-Pose основан на конкурсе COCO Keypoints 2017, в рамках которого размечено 1 710 498 отдельных ключевых точек для 156 165 человек.
• Для разметки каждого человека используются 17 типов ключевых точек — нос, глаза, уши, плечи, локти, запястья, бёдра, колени и лодыжки. Данные хранятся в виде троек (x, y, visibility).
• Как и COCO, этот набор данных предоставляет стандартизированные метрики оценки, включая сходство ключевых точек объекта (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). Набор размером 7 GB test2017.zip не загружается автоматически, поскольку для этих изображений скрыта эталонная разметка, и они нужны только для отправки результатов в test-dev2017.

Структура набора данных#

Для обучения и валидации COCO-Pose включает только изображения COCO 2017 с людьми, размеченными ключевыми точками, поэтому размеченные части набора меньше, чем полный COCO. В YAML-файле определены три поднабора:

1. Train2017: этот поднабор содержит 56 599 изображений из набора данных COCO, размеченных для обучения моделей оценки позы.
2. Val2017: этот поднабор содержит 2 346 изображений, используемых для валидации во время обучения модели.
3. Test-dev2017: поднабор из 20 288 изображений, выбранных из полного набора test2017, содержащего 40 670 изображений со скрытой эталонной разметкой. В YAML-файле набора данных эта часть связана с сервером оценки ключевых точек COCO test-dev.

При обучении на таком объёме данных особенно помогает платформа Ultralytics: она управляет вычислительными ресурсами, чтобы ты мог запускать и отслеживать эксперименты без необходимости самостоятельно настраивать GPU.

Применение#

Набор данных 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 этот набор важным ресурсом для исследователей и специалистов в области компьютерного зрения, работающих с позами человека.

Файл YAML набора данных#

Для определения конфигурации набора данных используется файл YAML. Он содержит сведения о путях к данным, классах и другие важные данные. Для набора данных 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 наборе данных COCO-Pose в течение 100 эпох с размером изображения 640, используй следующие фрагменты кода. Полный список доступных аргументов см. на странице Обучение модели.

from ultralytics import YOLO

# Загрузить модель
model = YOLO("yolo26n-pose.pt")  # загрузить предварительно обученную модель (рекомендуется для обучения)

# Обучить модель
results = model.train(data="coco-pose.yaml", epochs=100, imgsz=640)

Примеры изображений и аннотаций#

Датасет COCO-Pose содержит разнообразные изображения людей с аннотациями ключевых точек. Ниже приведены примеры изображений из датасета с соответствующими аннотациями:

• Мозаичное изображение: на изображении показан обучающий батч, составленный из мозаично объединённых изображений датасета. Мозаичное объединение — это метод, применяемый во время обучения: несколько изображений объединяются в одно, чтобы увеличить разнообразие объектов и сцен в каждом обучающем батче. Это помогает модели лучше 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 мозаичной аугментации при обучении.

Цитирование и благодарности#

Если ты используешь датасет COCO-Pose в исследованиях или разработке, процитируй следующую работу:

@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 хотели бы поблагодарить консорциум COCO за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения. Подробнее о датасете COCO-Pose и его создателях можно узнать на сайте датасета COCO.

Часто задаваемые вопросы#