İçeriğe geç

COCO8-Poz Veri Kümesi

Giriş

Ultralytics COCO8-Pose is a small, but versatile pose detection dataset composed of the first 8 images of the COCO train 2017 set, 4 for training and 4 for validation. This dataset is ideal for testing and debugging object detection models, or for experimenting with new detection approaches. With 8 images, it is small enough to be easily manageable, yet diverse enough to test training pipelines for errors and act as a sanity check before training larger datasets.

This dataset is intended for use with Ultralytics HUB and YOLO11.

Veri Kümesi YAML

Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Veri kümesinin yolları, sınıfları ve diğer ilgili bilgiler hakkında bilgi içerir. COCO8-Pose veri kümesi söz konusu olduğunda coco8-pose.yaml dosyası şu adreste tutulur https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml.

ultralytics/cfg/datasets/coco8-pose.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 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: ../datasets/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

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8-pose.zip

Kullanım

To train a YOLO11n-pose model on the COCO8-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.

Tren Örneği

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="coco8-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo pose train data=coco8-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

Örnek Görüntüler ve Açıklamalar

COCO8-Pose veri kümesinden bazı görüntü örnekleri ve bunlara karşılık gelen ek açıklamalar aşağıda verilmiştir:

Veri kümesi örnek görüntüsü

  • Mozaiklenmiş Görüntü: Bu görüntü, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubunu göstermektedir. Mozaikleme, eğitim sırasında kullanılan ve her bir eğitim grubundaki nesne ve sahne çeşitliliğini artırmak için birden fazla görüntüyü tek bir görüntüde birleştiren bir tekniktir. Bu, modelin farklı nesne boyutlarına, en boy oranlarına ve bağlamlara genelleme yeteneğini geliştirmeye yardımcı olur.

Bu örnek, COCO8-Pose veri setindeki görüntülerin çeşitliliğini ve karmaşıklığını ve eğitim sürecinde mozaikleme kullanmanın faydalarını göstermektedir.

Atıflar ve Teşekkür

Araştırma veya geliştirme çalışmalarınızda COCO veri setini kullanıyorsanız, lütfen aşağıdaki makaleye atıfta bulunun:

@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}
}

We would like to acknowledge the COCO Consortium for creating and maintaining this valuable resource for the computer vision community. For more information about the COCO dataset and its creators, visit the COCO dataset website.

SSS

What is the COCO8-Pose dataset, and how is it used with Ultralytics YOLO11?

The COCO8-Pose dataset is a small, versatile pose detection dataset that includes the first 8 images from the COCO train 2017 set, with 4 images for training and 4 for validation. It's designed for testing and debugging object detection models and experimenting with new detection approaches. This dataset is ideal for quick experiments with Ultralytics YOLO11. For more details on dataset configuration, check out the dataset YAML file here.

How do I train a YOLO11 model using the COCO8-Pose dataset in Ultralytics?

To train a YOLO11n-pose model on the COCO8-Pose dataset for 100 epochs with an image size of 640, follow these examples:

Tren Örneği

from ultralytics import YOLO

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

# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)
yolo pose train data=coco8-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

Eğitim argümanlarının kapsamlı bir listesi için Model Eğitimi sayfasına bakın.

COCO8-Pose veri setini kullanmanın faydaları nelerdir?

COCO8-Pose veri seti çeşitli avantajlar sunmaktadır:

  • Kompakt Boyut: Sadece 8 görüntü ile yönetimi kolaydır ve hızlı deneyler için mükemmeldir.
  • Çeşitli Veriler: Küçük boyutuna rağmen, kapsamlı boru hattı testi için yararlı olan çeşitli sahneler içerir.
  • Hata Ayıklama: Eğitim hatalarını belirlemek ve daha büyük veri kümelerine ölçeklendirmeden önce sağlık kontrolleri yapmak için idealdir.

Özellikleri ve kullanımı hakkında daha fazla bilgi için Veri Kümesi Tanıtımı bölümüne bakın.

How does mosaicing benefit the YOLO11 training process using the COCO8-Pose dataset?

COCO8-Pose veri kümesinin örnek görüntülerinde gösterilen mozaikleme, birden fazla görüntüyü tek bir görüntüde birleştirerek her bir eğitim grubundaki nesne ve sahne çeşitliliğini artırır. Bu teknik, modelin çeşitli nesne boyutları, en boy oranları ve bağlamlar arasında genelleme yapma yeteneğini geliştirmeye yardımcı olur ve sonuçta model performansını artırır. Örnek görüntüler için Örnek Görüntüler ve Açıklamalar bölümüne bakın.

COCO8-Pose veri kümesi YAML dosyasını nerede bulabilirim ve nasıl kullanabilirim?

The COCO8-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.

Daha fazla SSS ve ayrıntılı dokümantasyon için Ultralytics Dokümantasyonunu ziyaret edin.

📅 Created 11 months ago ✏️ Updated 1 month ago

Yorumlar