COCO8-Poz Veri Kümesi

Giriş

Ultralytics COCO8-Pose, 4'ü eğitim ve 4'ü doğrulama için olmak üzere COCO train 2017 setinin ilk 8 görüntüsünden oluşan küçük ama çok yönlü bir poz algılama veri setidir. Bu veri kümesi, nesne algılama modellerini test etmek ve hata ayıklamak veya yeni algılama yaklaşımlarını denemek için idealdir. 8 görüntü ile kolayca yönetilebilecek kadar küçüktür, ancak eğitim boru hatlarını hatalara karşı test etmek ve daha büyük veri kümelerini eğitmeden önce bir akıl sağlığı kontrolü görevi görecek kadar çeşitlidir.

Bu veri seti Ultralytics HUB ile kullanılmak üzere tasarlanmıştır ve YOLOv8.

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 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

Bir YOLOv8n-pose modelini COCO8-Pose veri kümesi üzerinde 640 görüntü boyutuyla 100 epok için eğitmek için aşağıdaki kod parçacıklarını kullanabilirsiniz. Kullanılabilir bağımsız değişkenlerin kapsamlı bir listesi için Model Eğitimi sayfasına bakın.

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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 detect train data=coco8-pose.yaml model=yolov8n-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:

• 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}
}

Bilgisayarla görme topluluğu için bu değerli kaynağı yaratan ve sürdüren COCO Konsorsiyumu'na teşekkür ederiz. COCO veri seti ve yaratıcıları hakkında daha fazla bilgi için COCO veri seti web sitesini ziyaret edin.

SSS

COCO8-Pose veri seti nedir ve Ultralytics YOLOv8 ile nasıl kullanılır?

COCO8-Pose veri kümesi, COCO train 2017 setindeki ilk 8 görüntüyü içeren, eğitim için 4 ve doğrulama için 4 görüntü içeren küçük, çok yönlü bir poz algılama veri kümesidir. Nesne algılama modellerini test etmek, hata ayıklamak ve yeni algılama yaklaşımlarını denemek için tasarlanmıştır. Bu veri kümesi, aşağıdakilerle hızlı deneyler yapmak için idealdir Ultralytics YOLOv8. Veri kümesi yapılandırması hakkında daha fazla ayrıntı için veri kümesi YAML dosyasına buradan göz atın.

Ultralytics adresindeki COCO8-Pose veri kümesini kullanarak bir YOLOv8 modelini nasıl eğitebilirim?

COCO8-Pose veri kümesinde 640 görüntü boyutunda 100 epok için bir YOLOv8n-pose modelini eğitmek için aşağıdaki örnekleri izleyin:

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-pose.pt")

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

yolo detect train data=coco8-pose.yaml model=yolov8n.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.

Mozaikleme, COCO8-Pose veri setini kullanarak YOLOv8 eğitim sürecine nasıl fayda sağlar?

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?

COCO8-Pose veri kümesi YAML dosyasını burada bulabilirsiniz. Bu dosya, yollar, sınıflar ve diğer ilgili bilgiler dahil olmak üzere veri kümesi yapılandırmasını tanımlar. Bu dosyayı Train Example bölümünde belirtildiği gibi YOLOv8 eğitim komut dosyalarıyla birlikte kullanın.

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

Yorumlar