Dog-Pose Veri Kümesi#

8,449

Dog Pose

ultralytics

publicPose

Dog Pose builds on Stanford Dogs and ImageNet imagery, labeling one dog per image with 24 three-dimensional keypoints and visibility. It supports articulated animal pose estimation across breeds, body shapes, viewpoints, actions, occlusion, and image backgrounds.

1 class480.7 MBSep 2, 2026

dog

dogsanimalspose-estimation+1

Giriş#

Ultralytics Dog-Pose veri kümesi, köpek anahtar noktası tahmini için özel olarak derlenmiş, 6.773 eğitim ve 1.703 doğrulama görüntüsü sağlayan yüksek kaliteli ve kapsamlı bir veri kümesidir.

Ek açıklama eklenmiş her görüntü, anahtar nokta başına 3 boyut (x, y, görünürlük) olmak üzere 24 anahtar nokta içerir; bu da veri kümesini bilgisayarlı görü alanındaki ileri araştırma ve geliştirme çalışmaları için değerli bir kaynak hâline getirir.

Belirli bir ırk veya tamamen farklı bir hayvan için Ultralytics Platform, altyapıyı yönetmeden kendi verilerin üzerinde özel bir anahtar nokta modeli yükleme, etiketleme ve eğitme işlemlerini gerçekleştirir.

Veri Kümesi Yapısı#

• Toplam görüntü: 8.476 (6.773 eğitim / 1.703 doğrulama); eşleşen YOLO biçimli etiket dosyalarıyla birlikte.

• Anahtar noktalar: Köpek başına (x, y, visibility) üçlüleriyle 24 anahtar nokta.

• İndirme boyutu: ~337 MB.

• Düzen:

  datasets/dog-pose/
  ├── images/{train,val}
  └── labels/{train,val}

Veri Kümesi YAML'i#

Veri kümesi yapılandırmasını tanımlamak için bir YAML dosyası kullanılır. Bu dosya yolları, anahtar nokta ayrıntılarını ve diğer ilgili bilgileri içerir. Dog-Pose veri kümesi için dog-pose.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dog-pose.yaml adresinde bulunur.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/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: dog-pose # dataset root dir
train: images/train # train images (relative to 'path') 6773 images
val: images/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

# Keypoint names per class
kpt_names:
  0:
    - front_left_paw
    - front_left_knee
    - front_left_elbow
    - rear_left_paw
    - rear_left_knee
    - rear_left_elbow
    - front_right_paw
    - front_right_knee
    - front_right_elbow
    - rear_right_paw
    - rear_right_knee
    - rear_right_elbow
    - tail_start
    - tail_end
    - left_ear_base
    - right_ear_base
    - nose
    - chin
    - left_ear_tip
    - right_ear_tip
    - left_eye
    - right_eye
    - withers
    - throat

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

Kullanım#

Dog-Pose veri kümesi üzerinde, 640 görüntü boyutuyla 100 epoch boyunca bir YOLO26n-pose modeli eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Kullanılabilir bağımsız değişkenlerin kapsamlı listesi için modelin Eğitim sayfasına bakabilirsin.

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

Örnek Görüntüler ve Açıklamalar#

Aşağıda Dog-Pose veri kümesinden bazı görüntü örnekleri ve bunlara karşılık gelen ek açıklamalar yer alıyor:

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

Örnek, Dog-Pose veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını ve eğitim sürecinde mozaikleme kullanmanın faydalarını gösteriyor.

Atıflar ve Teşekkürler#

Dog-Pose veri kümesini araştırma veya geliştirme çalışmalarında kullanıyorsan lütfen aşağıdaki makaleyi kaynak göster:

@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}
}

Bu değerli kaynağı oluşturup sürdüren Stanford ekibine bilgisayarlı görü topluluğuna katkılarından dolayı teşekkür ederiz. Dog-Pose veri kümesi ve oluşturucuları hakkında daha fazla bilgi için Stanford Dogs Dataset web sitesini ziyaret edebilirsin.

SSS#