Перейти к содержимому

Набор данных "Поза собаки

Введение

The Ultralytics Dog-pose dataset is a high-quality and extensive dataset specifically curated for dog keypoint estimation. With 6,773 training images and 1,703 test images, this dataset provides a solid foundation for training robust pose estimation models. Each annotated image includes 24 keypoints with 3 dimensions per keypoint (x, y, visibility), making it a valuable resource for advanced research and development in computer vision.

Ultralytics Dog-pose display image

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, данные о ключевых точках и другую необходимую информацию. В случае с набором данных Dog-pose файл YAML содержит следующие данные dog-pose.yaml is available at 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

To train a YOLO11n-pose model on the Dog-pose dataset for 100 epochs with an image size of 640, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

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

Примеры изображений и аннотаций

Вот несколько примеров изображений из набора данных Dog-pose, а также соответствующие им аннотации:

Образец изображения из набора данных

  • Мозаичное изображение: Это изображение демонстрирует тренировочную партию, состоящую из мозаичных изображений набора данных. Мозаика - это техника, используемая во время обучения, которая объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждой обучающей партии. Это помогает улучшить способность модели к обобщению на различные размеры объектов, соотношение сторон и контекст.

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

Цитаты и благодарности

Если ты используешь набор данных Dog-pose в своих исследованиях или разработках, пожалуйста, ссылайся на следующую статью:

@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}
}

We would like to acknowledge the Stanford team for creating and maintaining this valuable resource for the computer vision community. For more information about the Dog-pose dataset and its creators, visit the Stanford Dogs Dataset website.

ВОПРОСЫ И ОТВЕТЫ

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

The Dog-Pose dataset features 6,000 images annotated with 17 keypoints for dog pose estimation. Ideal for training and validating models with Ultralytics YOLO11, it supports applications like animal behavior analysis and veterinary studies.

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, следуй этим примерам:

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 тренировочных аргументов ты найдешь на странице " Тренировка модели".

В чем преимущества использования набора данных Dog-pose?

Набор данных Dog-pose обладает рядом преимуществ:

Large and Diverse Dataset: With 6,000 images, it provides a substantial amount of data covering a wide range of dog poses, breeds, and contexts, enabling robust model training and evaluation.

Pose-specific Annotations: Offers detailed annotations for pose estimation, ensuring high-quality data for training pose detection models.

Real-World Scenarios: Includes images from varied environments, enhancing the model's ability to generalize to real-world applications.

Model Performance Improvement: The diversity and scale of the dataset help improve model accuracy and robustness, particularly for tasks involving fine-grained pose estimation.

Подробнее о его возможностях и использовании читай в разделе " Введение в датасет ".

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

Mosaicing, as illustrated in the sample images from the Dog-pose dataset, merges multiple images into a single composite, enriching the diversity of objects and scenes in each training batch. This approach enhances the model's capacity to generalize across different object sizes, aspect ratios, and contexts, leading to improved performance. For example images, refer to the Sample Images and Annotations section.

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

The Dog-pose dataset YAML file can be found here. This file defines the dataset configuration, including paths, classes, and other relevant information. Use this file with the YOLO11 training scripts as mentioned in the Train Example section.

Больше часто задаваемых вопросов и подробную документацию можно найти на сайте Ultralytics Documentation.

📅 Created 3 days ago ✏️ Updated 3 days ago
RizwanMunawar

Комментарии