Bỏ qua nội dung

Bộ dữ liệu tư thế COCO8

Giới thiệu

Ultralytics COCO8-Pose là một tập dữ liệu phát hiện tư thế nhỏ nhưng đa năng bao gồm 8 hình ảnh đầu tiên của bộ COCO train 2017, 4 để đào tạo và 4 để xác thực. Tập dữ liệu này lý tưởng để thử nghiệm và gỡ lỗi các mô hình phát hiện đối tượng hoặc để thử nghiệm các phương pháp phát hiện mới. Với 8 hình ảnh, nó đủ nhỏ để dễ quản lý, nhưng đủ đa dạng để kiểm tra các đường ống đào tạo để tìm lỗi và hoạt động như một kiểm tra hợp lý trước khi đào tạo các tập dữ liệu lớn hơn.

Bộ dữ liệu này được dự định sử dụng với Ultralytics HUBYOLO11 .

Bộ dữ liệu YAML

Tệp YAML (Yet Another Markup Language) được sử dụng để xác định cấu hình tập dữ liệu. Tệp này chứa thông tin về đường dẫn, lớp và các thông tin liên quan khác của tập dữ liệu. Trong trường hợp của tập dữ liệu COCO8-Pose, coco8-pose.yaml tập tin được duy trì tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml.

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

Cách sử dụng

Để đào tạo mô hình YOLO11n-pose trên tập dữ liệu COCO8-Pose trong 100 kỷ nguyên với kích thước hình ảnh là 640, bạn có thể sử dụng các đoạn mã sau. Để biết danh sách đầy đủ các đối số khả dụng, hãy tham khảo trang Đào tạo mô hình.

Ví dụ về tàu hỏa

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="coco8-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo pose train data=coco8-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

Hình ảnh mẫu và chú thích

Sau đây là một số ví dụ về hình ảnh từ tập dữ liệu COCO8-Pose, cùng với chú thích tương ứng:

Hình ảnh mẫu của bộ dữ liệu

  • Mosaiced Image : Hình ảnh này minh họa một lô đào tạo bao gồm các hình ảnh tập dữ liệu mosaic. Mosaicing là một kỹ thuật được sử dụng trong quá trình đào tạo kết hợp nhiều hình ảnh thành một hình ảnh duy nhất để tăng tính đa dạng của các đối tượng và cảnh trong mỗi lô đào tạo. Điều này giúp cải thiện khả năng khái quát hóa của mô hình 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 tập dữ liệu COCO8-Pose cũng như lợi ích của việc sử dụng khảm trong quá trình đào tạo.

Trích dẫn và Lời cảm ơn

Nếu bạn sử dụng bộ dữ liệu COCO trong công tác nghiên cứu hoặc 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 muốn cảm ơn COCO Consortium đã tạo ra và duy trì nguồn tài nguyên có giá trị này cho cộng đồng thị giác máy tính . Để biết thêm thông tin về tập dữ liệu COCO và những người tạo ra nó, hãy truy cập trang web tập dữ liệu COCO .

CÂU HỎI THƯỜNG GẶP

Bộ dữ liệu COCO8-Pose là gì và nó được sử dụng như thế nào với Ultralytics YOLO11 ?

Bộ dữ liệu COCO8-Pose là một bộ dữ liệu phát hiện tư thế nhỏ, đa năng bao gồm 8 hình ảnh đầu tiên từ bộ COCO train 2017, với 4 hình ảnh để đào tạo và 4 hình ảnh để xác thực. Nó được thiết kế để thử nghiệm và gỡ lỗi các mô hình phát hiện đối tượng và thử nghiệm các phương pháp phát hiện mới. Bộ dữ liệu này lý tưởng cho các thử nghiệm nhanh với Ultralytics YOLO11 . Để biết thêm chi tiết về cấu hình bộ dữ liệu, hãy xem tệp YAML của bộ dữ liệu tại đây .

Làm thế nào để tôi đào tạo một YOLO11 mô hình sử dụng tập dữ liệu COCO8-Pose trong Ultralytics ?

Để đào tạo mô hình YOLO11n-pose trên tập dữ liệu COCO8-Pose trong 100 kỷ nguyên với kích thước hình ảnh là 640, hãy làm theo các ví dụ sau:

Ví dụ về tàu hỏa

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-pose.pt")

# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)
yolo pose train data=coco8-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

Để biết danh sách đầy đủ các đối số đào tạo, hãy tham khảo trang Đào tạo mẫu.

Lợi ích của việc sử dụng bộ dữ liệu COCO8-Pose là gì?

Bộ dữ liệu COCO8-Pose mang lại một số lợi ích:

  • Kích thước nhỏ gọn : Chỉ có 8 hình ảnh, dễ quản lý và hoàn hảo cho các thử nghiệm nhanh.
  • Dữ liệu đa dạng : Mặc dù có kích thước nhỏ, nhưng nó bao gồm nhiều cảnh khác nhau, hữu ích cho việc thử nghiệm đường ống kỹ lưỡng.
  • Gỡ lỗi : Lý tưởng để xác định lỗi đào tạo và thực hiện kiểm tra tính hợp lý trước khi mở rộng sang các tập dữ liệu lớn hơn.

Để biết thêm về các tính năng và cách sử dụng, hãy xem phần Giới thiệu về Bộ dữ liệu .

Làm thế nào khảm có lợi cho YOLO11 quá trình đào tạo sử dụng tập dữ liệu COCO8-Pose?

Mosaicing, được chứng minh trong các hình ảnh mẫu của tập dữ liệu COCO8-Pose, kết hợp nhiều hình ảnh thành một, tăng tính đa dạng của các đối tượng và cảnh trong mỗi đợt đào tạo. Kỹ thuật này giúp cải thiện khả năng khái quát hóa của mô hình trên nhiều kích thước đối tượng, tỷ lệ khung hình và bối cảnh khác nhau, cuối cùng là nâng cao hiệu suất của mô hình. Xem phần Hình ảnh mẫu và Chú thích để biết các hình ảnh ví dụ.

Tôi có thể tìm tệp YAML của bộ dữ liệu COCO8-Pose ở đâu và sử dụng nó như thế nào?

Tệp YAML của tập dữ liệu COCO8-Pose có thể được tìm thấy tại đây . Tệp này định nghĩa cấu hình tập dữ liệu, bao gồm đường dẫn, lớp và thông tin liên quan khác. Sử dụng tệp này với YOLO11 các tập lệnh đào tạo như đã đề cập trong phần Ví dụ đào tạo .

Để biết thêm các câu hỏi thường gặp và tài liệu chi tiết, hãy truy cập Tài liệu Ultralytics .

📅 Được tạo ra cách đây 1 năm ✏️ Đã cập nhật cách đây 2 tháng

Bình luận