Köpek Pozu Veri Kümesi

Giriş

Bu Ultralytics Dog-pose veri kümesi, köpek anahtar noktası tahmini için özel olarak hazırlanmış yüksek kaliteli ve kapsamlı bir veri kümesidir. 6.773 eğitim görüntüsü ve 1.703 test görüntüsü içeren bu veri seti, sağlam poz tahmin modellerinin eğitimi için sağlam bir temel sağlar. Açıklamalı her görüntü, anahtar nokta başına 3 boyuta (x, y, görünürlük) sahip 24 anahtar nokta içerir ve bu da onu bilgisayarla görme alanında ileri araştırma ve geliştirme için değerli bir kaynak haline getirir.

Bu veri seti Ultralytics HUB ile kullanılmak üzere tasarlanmıştır ve YOLO11.

Veri Kümesi YAML

Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Yolları, anahtar nokta ayrıntılarını ve diğer ilgili bilgileri içerir. Dog-pose veri kümesi söz konusu olduğunda dog-pose.yaml adresinde mevcuttur https://github.com/ultralytics/ultralytics/blob/main/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

Kullanım

Bir YOLO11n-pose modelini 640 görüntü boyutuyla 100 epok için Dog-pose veri kümesi üzerinde 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("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

Örnek Görüntüler ve Açıklamalar

Aşağıda Dog-pose veri kümesinden bazı görüntü örnekleri ve bunlara karşılık gelen açıklamalar yer almaktadır:

• 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, Dog-pose veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını ve eğitim sürecinde mozaikleme kullanmanın faydalarını göstermektedir.

Atıflar ve Teşekkür

Araştırma veya geliştirme çalışmalarınızda Dog-pose veri setini kullanıyorsanız, lütfen aşağıdaki makaleye atıfta bulunun:

@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}
}

Bilgisayarla görme topluluğu için bu değerli kaynağı yaratan ve sürdüren Stanford ekibine teşekkür ederiz. Dog-pose veri seti ve yaratıcıları hakkında daha fazla bilgi için Stanford Dogs Dataset web sitesini ziyaret edin.

SSS

Dog-pose veri seti nedir ve Ultralytics YOLO11 ile nasıl kullanılır?

Dog-Pose veri kümesi, köpek pozu tahmini için 17 anahtar nokta ile açıklanmış 6.000 görüntü içerir. Modelleri eğitmek ve doğrulamak için ideal Ultralytics YOLO11hayvan davranış analizi ve veterinerlik çalışmaları gibi uygulamaları destekler.

Ultralytics adresindeki Dog-pose veri kümesini kullanarak bir YOLO11 modelini nasıl eğitebilirim?

Bir YOLO11n-pose modelini 640 görüntü boyutuyla 100 epok için Dog-pose veri kümesi üzerinde eğitmek için aşağıdaki örnekleri izleyin:

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

Eğitim argümanlarının kapsamlı bir listesi için Model Eğitimi sayfasına bakın.

Dog-pose veri setini kullanmanın faydaları nelerdir?

Dog-pose veri seti çeşitli avantajlar sunmaktadır:

Büyük ve Çeşitli Veri Kümesi: 6.000 görüntü ile çok çeşitli köpek pozlarını, ırklarını ve bağlamlarını kapsayan önemli miktarda veri sağlayarak sağlam model eğitimi ve değerlendirmesine olanak tanır.

Poza Özel Ek Açıklamalar: Poz tahmini için ayrıntılı ek açıklamalar sunarak poz algılama modellerini eğitmek için yüksek kaliteli veriler sağlar.

Gerçek Dünya Senaryoları: Modelin gerçek dünya uygulamalarına genelleme yeteneğini artıran çeşitli ortamlardan görüntüler içerir.

Model Performans İyileştirmesi: Veri setinin çeşitliliği ve ölçeği, özellikle ince taneli poz tahmini içeren görevler için model doğruluğunu ve sağlamlığını artırmaya yardımcı olur.

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

Mozaikleme, Dog-pose veri kümesini kullanarak YOLO11 eğitim sürecine nasıl fayda sağlar?

Dog-pose veri kümesindeki örnek görüntülerde gösterildiği gibi mozaikleme, birden fazla görüntüyü tek bir kompozitte birleştirerek her eğitim partisindeki nesne ve sahne çeşitliliğini zenginleştirir. Bu yaklaşım, modelin farklı nesne boyutları, en-boy oranları ve bağlamlar arasında genelleme yapma kapasitesini artırarak daha iyi performans elde edilmesini sağlar. Örnek görüntüler için Örnek Görüntüler ve Açıklamalar bölümüne bakın.

Dog-pose veri kümesi YAML dosyasını nerede bulabilirim ve nasıl kullanabilirim?

Dog-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 bahsedildiği gibi YOLO11 eğitim komut dosyalarıyla birlikte kullanın.

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

📅1 ay önce oluşturuldu ✏️ 1 ay önce güncellendi

Yorumlar