Link to this sectionDog-Pose Veri Kümesi#

Link to this sectionGiriş#

Ultralytics Dog-Pose veri seti, köpek anahtar nokta kestirimi için özel olarak hazırlanmış, 6.773 eğitim ve 1.703 doğrulama görüntüsü sağlayan yüksek kaliteli ve kapsamlı bir veri setidir.

Etiketlenmiş her görsel, anahtar nokta başına 3 boyuta (x, y, görünürlük) sahip 24 anahtar nokta içerir; bu da onu bilgisayarlı görü alanındaki ileri düzey araştırma ve geliştirme çalışmaları için değerli bir kaynak haline getirir.

Belirli bir cins veya tamamen farklı bir hayvan için Ultralytics Platform, altyapı yönetimiyle uğraşmadan kendi verilerinle özel bir anahtar nokta modeli yüklemeni, etiketlemeni ve eğitmeni sağlar.

Link to this sectionVeri Kümesi Yapısı#

• Toplam görüntü: 8.476 (6.773 eğitim / 1.703 doğrulama) ve bunlarla eşleşen YOLO formatında etiket dosyaları.

• Anahtar noktalar: Köpek başına 24 adet (x, y, visibility) üçlüsü ile.

• İndirme boyutu: ~337 MB.

• Düzen:

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

Link to this sectionVeri Kümesi YAML#

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

# 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

Link to this sectionKullanım#

Dog-Pose veri seti üzerinde 100 epoch boyunca 640 görüntü boyutuyla bir YOLO26n-pose modeli eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Kullanılabilir argümanların tam listesi için model Training 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)

Link to this sectionÖrnek Görüntüler ve Ek Açıklamalar#

Dog-Pose veri setinden bazı görüntü örnekleri ve bunlara karşılık gelen açıklamalar aşağıdadır:

• Mozaiklenmiş Görüntü: Bu görüntü, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubunu göstermektedir. Mozaikleme, eğitim sırasında her 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 yapma yeteneğini geliştirmeye yardımcı olur.

Bu örnek, Dog-Pose veri setindeki görüntülerin çeşitliliğini ve karmaşıklığını, ayrıca eğitim sürecinde mozaikleme kullanmanın avantajlarını sergilemektedir.

Link to this sectionAlıntılar ve Teşekkür#

Eğer Dog-Pose veri setini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen aşağıdaki makaleye atıfta bulun:

@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}
}

bilgisayarlı görü topluluğu için bu değerli kaynağı oluşturdukları ve sürdürdükleri için Stanford ekibine teşekkür ederiz. Dog-Pose veri seti ve yaratıcıları hakkında daha fazla bilgi için Stanford Dogs Dataset web sitesini ziyaret et.

Link to this sectionSSS#

Link to this sectionDog-Pose veri seti nedir ve Ultralytics YOLO26 ile nasıl kullanılır?#

Dog-Pose veri seti, köpek pozu kestirimi için 24 anahtar nokta ile etiketlenmiş 6.773 eğitim ve 1.703 doğrulama görüntüsü içerir. Ultralytics YOLO26 ile modelleri eğitmek ve doğrulamak için tasarlanmıştır; hayvan davranışı analizi, evcil hayvan izleme ve veterinerlik çalışmaları gibi uygulamaları destekler. Veri setinin kapsamlı etiketleri, köpekler için doğru poz kestirim modelleri geliştirmek için onu ideal kılar.

Link to this sectionUltralytics'te Dog-Pose veri setini kullanarak YOLO26 modelini nasıl eğitirim?#

yolo26n-pose.pt dosyasını yükle ve model.train(data="dog-pose.yaml", epochs=100, imgsz=640) komutunu çağır; tam Python ve CLI kod parçacıkları için yukarıdaki Eğitim Örneği bölümüne ve kapsamlı argüman listesi için model Training sayfasına bakabilirsin.

Link to this sectionDog-Pose veri setini kullanmanın avantajları nelerdir?#

Çok çeşitli köpek ırklarını ve pozlarını kapsayan toplam 8.476 görüntü (6.773 eğitim / 1.703 doğrulama) ve etiket başına 3 boyutta (x, y, görünürlük) 24 anahtar nokta ile Dog-Pose veri seti, evcil hayvan izleme ve davranış analizi gibi uygulamalar için gereken gerçek dünya senaryo kapsamını modellere sunar. Özellikleri ve kullanımı hakkında daha fazla bilgi için Veri Seti Tanıtımı bölümüne bakabilirsin.

Link to this sectionMozaikleme, Dog-Pose veri seti kullanılarak yapılan YOLO26 eğitim sürecine nasıl fayda sağlar?#

Mozaikleme, birden fazla Dog-Pose görüntüsünü tek bir eğitim görüntüsünde birleştirerek modelin adım başına gördüğü köpek pozu, boyutu ve arka plan çeşitliliğini artırır; bu da aşırı öğrenmeyi azaltırken yeni bağlamlara ve ölçeklere genelleme yeteneğini geliştirir. Örnek görüntüler için Örnek Görüntüler ve Etiketler bölümüne bakabilirsin.

Link to this sectionDog-Pose veri seti YAML dosyasını nerede bulabilirim ve onu nasıl kullanırım?#

Dog-Pose veri seti YAML dosyasına https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dog-pose.yaml adresinden ulaşabilirsin. Bu dosya; yollar, sınıflar, anahtar nokta ayrıntıları ve diğer ilgili bilgiler dahil olmak üzere veri seti yapılandırmasını tanımlar. YAML, anahtar nokta başına 3 boyutlu olacak şekilde 24 anahtar noktayı belirtir, bu da onu detaylı poz kestirim görevleri için uygun hale getirir.

Bu dosyayı YOLO26 eğitim betikleriyle kullanmak için, Kullanım bölümünde gösterildiği gibi eğitim komutunda ona referans vermen yeterlidir. Veri kümesi ilk kullanımda otomatik olarak indirilecek, böylece kurulum kolaylaşacaktır.

Anahtar nokta modelleri hakkında daha fazla bilgi için Pose Estimation görev belgelerine bak.