Link to this sectionBộ dữ liệu COCO-Pose#

Bộ dữ liệu COCO-Pose điều chỉnh COCO (Common Objects in Context) cho pose estimation: 58.945 hình ảnh từ COCO Keypoints 2017, được gán nhãn với 156.165 người sử dụng schema 17-keypoint. Đây là bộ dữ liệu tiêu chuẩn để huấn luyện và đánh giá các model keypoint như Ultralytics YOLO26, và tập con COCO8-Pose gồm 8 hình ảnh mô phỏng định dạng của nó để kiểm tra nhanh.

Link to this sectionCác Model đã huấn luyện sẵn COCO-Pose#

Link to this sectionTính năng chính#

• COCO-Pose được xây dựng dựa trên thử thách COCO Keypoints 2017, trong đó gán nhãn 1.710.498 keypoint cá nhân trên 156.165 người đã được chú thích.
• Mỗi chú thích người sử dụng 17 loại keypoint — mũi, mắt, tai, vai, khuỷu tay, cổ tay, hông, đầu gối và mắt cá chân — được lưu trữ dưới dạng các bộ ba (x, y, visibility).
• Giống như COCO, nó cung cấp các chỉ số đánh giá tiêu chuẩn, bao gồm Object Keypoint Similarity (OKS) cho các tác vụ ước tính tư thế, giúp nó phù hợp để so sánh hiệu suất model.
• Dung lượng tải xuống: ~20,2 GB trong lần sử dụng đầu tiên (train2017.zip + val2017.zip + labels). Tệp test2017.zip dung lượng 7 GB không được tự động tải về, vì các hình ảnh đó bị giữ lại ground truth và chỉ cần thiết cho bài nộp test-dev2017.

Link to this sectionCấu trúc tập dữ liệu#

Để huấn luyện và validation, COCO-Pose chỉ bao gồm các hình ảnh COCO 2017 có người được gán nhãn keypoint, vì vậy các tập split được gán nhãn của nó nhỏ hơn so với COCO đầy đủ. YAML của nó định nghĩa ba tập con:

1. Train2017: Tập con này chứa 56.599 hình ảnh từ bộ dữ liệu COCO, được chú thích để huấn luyện các model pose estimation.
2. Val2017: Tập con này có 2.346 hình ảnh được sử dụng cho mục đích validation trong quá trình huấn luyện model.
3. Test-dev2017: Một tập con gồm 20.288 hình ảnh từ tập test2017 đầy đủ (40.670 hình ảnh) với ground truth được giữ kín. Dataset YAML liên kết tập split này với COCO test-dev keypoints evaluation server.

Huấn luyện ở quy mô này là nơi Ultralytics Platform phát huy hiệu quả nhất — nền tảng này quản lý tài nguyên tính toán để bạn có thể khởi chạy và giám sát các run mà không cần phải tự cung cấp GPU của riêng mình.

Link to this sectionỨng dụng#

Bộ dữ liệu COCO-Pose được sử dụng đặc biệt để huấn luyện và đánh giá các model deep learning về phát hiện keypoint và pose estimation. Số lượng lớn hình ảnh được chú thích và các metric đánh giá chuẩn hóa của bộ dữ liệu làm cho nó trở thành tài nguyên thiết yếu cho các nhà nghiên cứu và người thực hành computer vision làm việc với dáng người.

Link to this sectionYAML tập dữ liệu#

Một tệp YAML được sử dụng để định nghĩa cấu hình tập dữ liệu. Nó chứa thông tin về các đường dẫn, lớp và các thông tin liên quan khác của tập dữ liệu. Đối với tập dữ liệu COCO-Pose, tệp coco-pose.yaml được duy trì tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# COCO 2017 Keypoints dataset https://cocodataset.org by Microsoft
# Documentation: https://docs.ultralytics.com/datasets/pose/coco
# Example usage: yolo train data=coco-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco-pose ← downloads here (20.2 GB)

# 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: coco-pose # dataset root dir
train: train2017.txt # train images (relative to 'path') 56599 images
val: val2017.txt # val images (relative to 'path') 2346 images
test: test-dev2017.txt # 20288 of 40670 images, submit to https://codalab.lisn.upsaclay.fr/competitions/7403

# 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

# Keypoint names per class
kpt_names:
  0:
    - nose
    - left_eye
    - right_eye
    - left_ear
    - right_ear
    - left_shoulder
    - right_shoulder
    - left_elbow
    - right_elbow
    - left_wrist
    - right_wrist
    - left_hip
    - right_hip
    - left_knee
    - right_knee
    - left_ankle
    - right_ankle

# Download script/URL (optional)
download: |
  from pathlib import Path

  from ultralytics.utils import ASSETS_URL
  from ultralytics.utils.downloads import download

  # Download labels
  dir = Path(yaml["path"])  # dataset root dir

  urls = [f"{ASSETS_URL}/coco2017labels-pose.zip"]
  download(urls, dir=dir.parent)

  # Download data (test2017.zip excluded: ground truth is withheld, only used for the CodaLab test-dev split)
  urls = [
      "http://images.cocodataset.org/zips/train2017.zip",  # 19G, 118k images
      "http://images.cocodataset.org/zips/val2017.zip",  # 1G, 5k images
  ]
  download(urls, dir=dir / "images", threads=3)

Link to this sectionCách sử dụng#

Để huấn luyện một model YOLO26n-pose trên bộ dữ liệu COCO-Pose trong 100 epochs với kích thước ảnh là 640, bạn có thể sử dụng các đoạn code sau. Để xem danh sách đầy đủ các tham số khả dụng, hãy tham khảo trang Huấn luyện của model.

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

Link to this sectionHình ảnh mẫu và chú thích#

Bộ dữ liệu COCO-Pose chứa một tập hợp đa dạng các hình ảnh về con người được chú thích với các điểm chính. Dưới đây là một số ví dụ về hình ảnh từ bộ dữ liệu, cùng với các chú thích tương ứng của chúng:

• Hình ảnh Mosaiced: Hình ảnh này minh họa một batch huấn luyện bao gồm các hình ảnh từ tập dữ liệu đã được áp dụng kỹ thuật Mosaic. Mosaic là một kỹ thuật được sử dụng trong quá trình huấn luyện nhằm kết hợp nhiều hình ảnh thành một hình ảnh duy nhất để tăng sự đa dạng của các đối tượng và bối cảnh trong mỗi batch huấn luyện. Điều này giúp cải thiện khả năng tổng quát hóa của model đối với các kích thước đối tượng, tỷ lệ khung hình và bối cảnh khác nhau.

Ví dụ này cho thấy sự đa dạng và phức tạp của các hình ảnh trong bộ dữ liệu COCO-Pose và những lợi ích của việc sử dụng kỹ thuật mosaic trong quá trình huấn luyện.

Link to this sectionTrích dẫn và Ghi nhận#

Nếu bạn sử dụng bộ dữ liệu COCO-Pose trong nghiên cứu hoặc công việc phát triển của mình, vui lòng trích dẫn bài báo sau:

@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}
}

Chúng tôi xin ghi nhận COCO Consortium vì đã tạo ra và duy trì tài nguyên quý giá này cho cộng đồng computer vision. Để biết thêm thông tin về bộ dữ liệu COCO-Pose và những người tạo ra nó, hãy truy cập trang web bộ dữ liệu COCO.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionBộ dữ liệu COCO-Pose là gì và nó được sử dụng như thế nào với Ultralytics YOLO để ước tính tư thế?#

COCO-Pose cung cấp các hình ảnh và chú thích COCO Keypoints 2017 được chuyển đổi sang định dạng keypoint YOLO, sử dụng schema 17-keypoint trên 58.945 hình ảnh. Hãy trỏ bất kỳ model pose nào của Ultralytics YOLO vào đó bằng data=coco-pose.yaml, và trang Training ghi lại mọi tham số bạn có thể điều chỉnh từ đó.

Link to this sectionLàm thế nào để tôi có thể huấn luyện một model YOLO26 trên bộ dữ liệu COCO-Pose?#

Tải yolo26n-pose.pt và gọi model.train(data="coco-pose.yaml", epochs=100, imgsz=640) — xem Ví dụ Huấn luyện ở trên để biết các đoạn code Python và CLI đầy đủ, và trang training để xem danh sách toàn diện các tham số.

Link to this sectionCác chỉ số khác nhau được cung cấp bởi bộ dữ liệu COCO-Pose để đánh giá hiệu suất của model là gì?#

Bộ dữ liệu COCO-Pose cung cấp một số chỉ số đánh giá tiêu chuẩn cho các tác vụ ước tính tư thế, tương tự như bộ dữ liệu COCO gốc. Các chỉ số chính bao gồm Object Keypoint Similarity (OKS), giúp đánh giá độ chính xác của các điểm chính được dự đoán so với các chú thích ground truth. Các chỉ số này cho phép so sánh hiệu suất kỹ lưỡng giữa các model khác nhau. Ví dụ, các model được huấn luyện sẵn COCO-Pose như YOLO26n-pose, YOLO26s-pose và các model khác có các chỉ số hiệu suất cụ thể được liệt kê trong tài liệu, như mAP^pose50-95 và mAP^pose50.

Link to this sectionBộ dữ liệu COCO-Pose được cấu trúc và phân chia như thế nào?#

COCO-Pose cung cấp hai tập split đã gán nhãn: 56.599 hình ảnh train2017 và 2.346 hình ảnh val2017. Tập thứ ba, test-dev2017 (20.288 trong tổng số 40.670 hình ảnh test2017), giữ kín ground truth; dataset YAML liên kết tập này với COCO test-dev keypoints evaluation server. Xem phần Dataset Structure, hoặc file coco-pose.yaml trên GitHub để biết đường dẫn cụ thể của các tập split.

Link to this sectionCác tính năng và ứng dụng chính của bộ dữ liệu COCO-Pose là gì?#

COCO-Pose sử dụng 17 loại keypoint người và kế thừa các metric chuẩn hóa của COCO, bao gồm Object Keypoint Similarity (OKS), để so sánh các model. Sự kết hợp đó phù hợp với các ứng dụng pose người như phân tích thể thao, chăm sóc sức khỏe và tương tác người-máy. Các trọng số YOLO26-pose đã pretrained được liệt kê trong phần COCO-Pose Pretrained Models.

Để biết thêm về các model keypoint, hãy xem tài liệu tác vụ Pose Estimation.