Tập dữ liệu COCO8-POSE

Giới thiệu

Ultralytics COCO8-Pose is a small, but versatile pose detection dataset composed of the first 8 images of the COCO train 2017 set, 4 for training and 4 for validation. This dataset is ideal for testing and debugging object detection models, or for experimenting with new detection approaches. With 8 images, it is small enough to be easily manageable, yet diverse enough to test training pipelines for errors and act as a sanity check before training larger datasets.

This dataset is intended for use with Ultralytics HUB and YOLO11.

Tập dữ liệu YAML

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

Sử dụng

To train a YOLO11n-pose model on the COCO8-Pose dataset for 100 epochs with an image size of 640, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

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

Dưới đây là một số ví dụ về hình ảnh từ tập dữ liệu COCO8-Pode, cùng với các chú thích tương ứng của chúng:

• Hình ảnh khảm: Hình ảnh này thể hiện một lô đào tạo bao gồm các hình ảnh tập dữ liệu được khảm. Khảm 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 sự đa dạng của các đối tượng và cảnh trong mỗi đợt đào tạo. Điều này giúp cải thiện khả năng khái quát hóa mô hình cho các kích thước đối tượng, tỷ lệ khung hình và ngữ cảnh khác nhau.

Ví dụ này cho thấy sự đa dạng và phức tạp của hình ảnh trong bộ dữ liệu COCO8-Pose và lợi ích của việc sử dụng khảm trong quá trình đào tạo.

Trích dẫn và xác nhận

Nếu bạn sử dụng bộ dữ liệu COCO trong công việc 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}
}

We would like to acknowledge the COCO Consortium for creating and maintaining this valuable resource for the computer vision community. For more information about the COCO dataset and its creators, visit the COCO dataset website.

FAQ

What is the COCO8-Pose dataset, and how is it used with Ultralytics YOLO11?

The COCO8-Pose dataset is a small, versatile pose detection dataset that includes the first 8 images from the COCO train 2017 set, with 4 images for training and 4 for validation. It's designed for testing and debugging object detection models and experimenting with new detection approaches. This dataset is ideal for quick experiments with Ultralytics YOLO11. For more details on dataset configuration, check out the dataset YAML file here.

How do I train a YOLO11 model using the COCO8-Pose dataset in Ultralytics?

To train a YOLO11n-pose model on the COCO8-Pose dataset for 100 epochs with an image size of 640, follow these examples:

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 với 8 hình ảnh, nó rất dễ quản lý và hoàn hảo cho các thí nghiệm nhanh.
• Dữ liệu đa dạng: Mặc dù kích thước nhỏ, nó bao gồm nhiều cảnh khác nhau, hữu ích cho việc kiểm tra đường ống kỹ lưỡng.
• Gỡ lỗi lỗi: Lý tưởng để xác định lỗi đào tạo và thực hiện kiểm tra sự tỉnh táo trước khi mở rộng quy mô lên các bộ dữ liệu lớn hơn.

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

How does mosaicing benefit the YOLO11 training process using the COCO8-Pose dataset?

Khảm, được thể hiện trong các hình ảnh mẫu của bộ dữ liệu COCO8-Pose, kết hợp nhiều hình ảnh thành một, làm tăng sự 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 các kích thước đối tượng, tỷ lệ khung hình và bối cảnh khác nhau, cuối cùng nâng cao hiệu suất mô hình. Xem phần Hình ảnh mẫu và Chú thích để biết hình ảnh mẫu.

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

The COCO8-Pose dataset YAML file can be found here. This file defines the dataset configuration, including paths, classes, and other relevant information. Use this file with the YOLO11 training scripts as mentioned in the Train Example section.

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

📅 Created 11 months ago ✏️ Updated 11 days ago

Ý kiến