Безопасность корпоративного уровня: Соответствует ISO 27001 + SOC 2 Type I.
CC BY 4.0

Link to this sectionНабор данных COCO8-Pose#

Link to this sectionВведение#

Ultralytics COCO8-Pose — это небольшой, но универсальный набор данных для оценки позы, состоящий из первых 8 изображений набора COCO train 2017 (4 для обучения, 4 для валидации) с использованием схемы из 17 ключевых точек для одного класса "person". Этот набор данных идеально подходит для тестирования и отладки моделей оценки позы, а также для экспериментов с новыми подходами к обнаружению ключевых точек. Благодаря 8 изображениям он достаточно мал для удобства использования, но при этом достаточно разнообразен для проверки конвейеров обучения на ошибки и выполнения первичной проверки перед обучением на полном наборе данных COCO-Pose.

Link to this sectionСтруктура набора данных#

  • Всего изображений: 8 (4 обучающих / 4 валидационных).
  • Классы: 1 (person) с 17 типами ключевых точек для каждой аннотации.
  • Размер загрузки: ~1 МБ.
  • Рекомендуемая структура директорий: datasets/coco8-pose/images/{train,val} и datasets/coco8-pose/labels/{train,val} с ключевыми точками в формате YOLO, сохраненными в файлах .txt.

Изучи COCO8-Pose на платформе Ultralytics, чтобы просмотреть каждое изображение со скелетами ключевых точек, увидеть распределение ключевых точек и классов на вкладке Charts, а также клонировать его для обучения собственной модели в облаке.

Link to this sectionYAML набора данных#

YAML-файл используется для определения конфигурации набора данных. Он содержит информацию о путях к набору данных, классах и другую релевантную информацию. В случае с набором данных COCO8-Pose файл coco8-pose.yaml поддерживается по адресу https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml.

ultralytics/cfg/datasets/coco8-pose.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# COCO8-pose dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/coco8-pose
# Example usage: yolo train data=coco8-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8-pose ← downloads here (1 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: coco8-pose # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

# 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: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8-pose.zip

Link to this sectionИспользование#

Чтобы обучить модель YOLO26n-pose на наборе данных COCO8-Pose в течение 100 epochs с размером изображения 640, ты можешь использовать следующие фрагменты кода. Полный список доступных аргументов смотри на странице Training модели.

Пример обучения
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="coco8-pose.yaml", epochs=100, imgsz=640)

Link to this sectionПримеры изображений и аннотации#

Вот несколько примеров изображений из набора данных COCO8-Pose вместе с соответствующими аннотациями:

COCO8-pose keypoint estimation dataset mosaic
  • Мозаичное изображение: это изображение демонстрирует обучающий пакет, составленный из мозаично собранных изображений. Мозаика — это техника, используемая во время обучения, которая объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждом обучающем пакете. Это помогает улучшить способность модели к обобщению при работе с объектами различных размеров, соотношений сторон и контекстов.

Link to this sectionЦитирование и благодарности#

Если ты используешь набор данных COCO в своей исследовательской или разработческой работе, пожалуйста, процитируй следующую статью:

Цитата
@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 выразить признательность консорциуму COCO за создание и поддержку этого ценного ресурса для сообщества computer vision. Для получения дополнительной информации о наборе данных COCO и его создателях посети веб-сайт набора данных COCO.

Link to this sectionFAQ#

Link to this sectionЧто такое набор данных COCO8-Pose и как он используется с Ultralytics YOLO26?#

Набор данных COCO8-Pose — это небольшой универсальный набор для оценки позы, включающий первые 8 изображений из набора COCO train 2017 (4 для обучения и 4 для валидации). Он разработан для тестирования и отладки моделей оценки позы и экспериментов с новыми подходами к обнаружению ключевых точек. Этот набор данных идеально подходит для быстрых экспериментов с Ultralytics YOLO26. Более подробную информацию о конфигурации набора данных можно найти в YAML-файле набора данных.

Link to this sectionКак обучить модель YOLO26, используя набор данных COCO8-Pose в Ultralytics?#

Загрузи yolo26n-pose.pt и вызови model.train(data="coco8-pose.yaml", epochs=100, imgsz=640) — смотри пример обучения выше для получения полных фрагментов кода на Python и в CLI, а также страницу обучения модели для получения исчерпывающего списка аргументов.

Link to this sectionВ чем преимущества использования набора данных COCO8-Pose?#

Благодаря всего 8 изображениям (4 для обучения / 4 для валидации), 1 классу, схеме из 17 ключевых точек и размеру загрузки ~1 МБ, COCO8-Pose достаточно мал, чтобы справиться с ним за секунды, но при этом достаточно разнообразен, чтобы провести первичную проверку конвейера обучения позы на наличие ошибок перед масштабированием до полного набора данных COCO-Pose. Более подробную информацию о его функциях и использовании смотри в разделе Введение в набор данных.

Link to this sectionКак мозаика помогает процессу обучения YOLO26 с использованием набора данных COCO8-Pose?#

Мозаика (Mosaicing) объединяет несколько изображений в одно, увеличивая разнообразие объектов и сцен в каждом обучающем пакете, что помогает модели лучше обобщать данные с учетом размеров объектов, соотношений сторон и контекстов. Смотри раздел Примеры изображений и аннотаций для ознакомления с примером.

Link to this sectionГде найти YAML-файл набора данных COCO8-Pose и как его использовать?#

Файл YAML набора данных COCO8-Pose можно найти по ссылке https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml. Этот файл определяет конфигурацию набора данных, включая пути, классы и другую актуальную информацию. Используй этот файл со скриптами обучения YOLO26, как указано в разделе Train Example.

Подробнее о моделях ключевых точек читай в документации к задаче Оценка позы.

Участники
GLglenn-jocher16RAraimbekovm3JKjk4e2MAMatthewNoyce1RIRizwanMunawar1LUlunarifish1

Комментарии