Перейти к содержанию

Набор данных "Поза собаки

Введение

Сайт Ultralytics Набор данных Dog-pose - это высококачественный и обширный набор данных, специально созданный для оценки ключевых точек собак. Этот набор содержит 6 773 учебных и 1 703 тестовых изображений, что обеспечивает прочную основу для обучения надежных моделей оценки позы. Каждое аннотированное изображение включает 24 ключевые точки с тремя измерениями для каждой ключевой точки (x, y, видимость), что делает его ценным ресурсом для передовых исследований и разработок в области компьютерного зрения.

Ultralytics Изображение на дисплее в позе собаки

Этот набор данных предназначен для использования с Ultralytics HUB и YOLO11.

Набор данных YAML

Для определения конфигурации набора данных используется файл YAML (Yet Another Markup Language). Он включает в себя пути, сведения о ключевых точках и другую необходимую информацию. В случае с набором данных Dog-pose файл YAML содержит следующие данные dog-pose.yaml доступен по адресу https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dog-pose.yaml.

ultralytics/cfg/datasets/dog-pose.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 license
# Dogs dataset http://vision.stanford.edu/aditya86/ImageNetDogs/ by Stanford
# Documentation: https://docs.ultralytics.com/datasets/pose/dog-pose/
# Example usage: yolo train data=dog-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── dog-pose  ← downloads here (337 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/dog-pose # dataset root dir
train: train # train images (relative to 'path') 6773 images
val: val # val images (relative to 'path') 1703 images

# Keypoints
kpt_shape: [24, 3] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)

# Classes
names:
  0: dog

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/dog-pose.zip

Использование

Чтобы обучить модель YOLO11n-pose на наборе данных Dog-pose в течение 100 эпох при размере изображения 640, можно использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице "Обучение модели".

Пример поезда

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

# Start training from a pretrained *.pt model
yolo pose train data=dog-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

Образцы изображений и аннотаций

Вот несколько примеров изображений из набора данных Dog-pose с соответствующими аннотациями:

Образец изображения из набора данных

  • Мозаичное изображение: Это изображение демонстрирует обучающую партию, состоящую из мозаичных изображений набора данных. Мозаика - это техника, используемая в процессе обучения, которая объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждой обучающей партии. Это помогает улучшить способность модели к обобщению для различных размеров объектов, соотношения сторон и контекста.

Этот пример демонстрирует разнообразие и сложность изображений в наборе данных Dog-pose и преимущества использования мозаики в процессе обучения.

Цитаты и благодарности

Если вы используете набор данных Dog-pose в своих исследованиях или разработках, пожалуйста, ссылайтесь на следующий документ:

@inproceedings{khosla2011fgvc,
  title={Novel dataset for Fine-Grained Image Categorization},
  author={Aditya Khosla and Nityananda Jayadevaprakash and Bangpeng Yao and Li Fei-Fei},
  booktitle={First Workshop on Fine-Grained Visual Categorization (FGVC), IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2011}
}
@inproceedings{deng2009imagenet,
  title={ImageNet: A Large-Scale Hierarchical Image Database},
  author={Jia Deng and Wei Dong and Richard Socher and Li-Jia Li and Kai Li and Li Fei-Fei},
  booktitle={IEEE Computer Vision and Pattern Recognition (CVPR)},
  year={2009}
}

Мы хотели бы выразить признательность команде Стэнфорда за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения. Дополнительную информацию о наборе данных Dog-pose и его создателях можно найти на сайте Stanford Dogs Dataset.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Что такое набор данных Dog-pose и как он используется с Ultralytics YOLO11 ?

Набор данных Dog-Pose содержит 6 000 изображений, аннотированных 17 ключевыми точками для оценки позы собаки. Идеально подходит для обучения и проверки моделей. Ultralytics YOLO11и для тренировки и проверки моделей с помощью метода "Собака", а также для таких приложений, как анализ поведения животных и ветеринарные исследования.

Как обучить модель YOLO11 с помощью набора данных Dog-pose в Ultralytics?

Чтобы обучить модель YOLO11n-pose на наборе данных Dog-pose в течение 100 эпох при размере изображения 640, выполните следующие примеры:

Пример поезда

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-pose.pt")

# Train the model
results = model.train(data="dog-pose.yaml", epochs=100, imgsz=640)

yolo pose train data=dog-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

Полный список аргументов для обучения приведен на странице "Обучение модели".

Каковы преимущества использования набора данных Dog-pose?

Набор данных Dog-pose обладает рядом преимуществ:

Большой и разнообразный набор данных: 6 000 изображений обеспечивают значительный объем данных, охватывающих широкий спектр поз, пород и контекстов, что позволяет проводить надежное обучение и оценку моделей.

Аннотации для конкретной позы: Предлагает подробные аннотации для оценки позы, обеспечивая высокое качество данных для обучения моделей определения позы.

Сценарии реального мира: Включает изображения из различных сред, что повышает способность модели к обобщению для применения в реальном мире.

Повышение эффективности модели: Разнообразие и масштаб набора данных помогают повысить точность и устойчивость модели, особенно в задачах, связанных с точной оценкой позы.

Подробнее о его возможностях и использовании см. в разделе "Введение в набор данных".

Как мозаика может помочь в процессе обучения YOLO11 с использованием набора данных Dog-pose?

Мозаика, как показано на примере изображений из набора данных "Поза собаки", объединяет несколько изображений в единый композит, обогащая разнообразие объектов и сцен в каждой обучающей партии. Такой подход повышает способность модели к обобщению для объектов разных размеров, соотношения сторон и контекста, что приводит к улучшению производительности. Примеры изображений см. в разделе Образцы изображений и аннотации.

Где найти YAML-файл набора данных Dog-pose и как его использовать?

Файл YAML набора данных Dog-pose можно найти здесь. Этот файл определяет конфигурацию набора данных, включая пути, классы и другую необходимую информацию. Используйте этот файл с обучающими скриптами YOLO11 , как указано в разделе " Пример обучения".

Дополнительные часто задаваемые вопросы и подробную документацию можно найти на сайте Ultralytics Documentation.

📅 Создано 1 месяц назад ✏️ Обновлено 1 месяц назад
РизванМунавар

Комментарии