Tập dữ liệu COCO8-POSE

Giới thiệu

Ultralytics COCO8-Pose là một bộ dữ liệu phát hiện tư thế nhỏ nhưng linh hoạt bao gồm 8 hình ảnh đầu tiên của bộ COCO train 2017, 4 hình ảnh để đào tạo và 4 hình ảnh để xác nhận. Tập dữ liệu này lý tưởng để kiểm tra 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 dàng quản lý, nhưng đủ đa dạng để kiểm tra các đường ống đào tạo để tìm lỗi và hoạt động như một kiểm tra tỉnh táo trước khi đào tạo các bộ dữ liệu lớn hơn.

Tập dữ liệu này được thiết kế để sử dụng với Ultralytics HUB và YOLOv8.

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

Để đào tạo một YOLOv8nMô hình -pose trên tập dữ liệu COCO8-Pose cho 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 có sẵn, hãy tham khảo trang Đào tạo mẫu.

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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 detect train data=coco8-pose.yaml model=yolov8n-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}
}

Chúng tôi xin ghi nhận COCO Consortium đã tạo ra và duy trì nguồn tài nguyên quý giá này cho cộng đồng thị giác máy tính. Để biết thêm thông tin về bộ dữ liệu COCO và người tạo ra nó, hãy truy cập trang web tập dữ liệu COCO.

FAQ

Tập dữ liệu COCO8-Pose là gì và nó được sử dụng như thế nào Ultralytics YOLOv8?

Bộ dữ liệu COCO8-Pose là một bộ dữ liệu phát hiện tư thế nhỏ, linh hoạt 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 nhận. Nó được thiết kế để kiểm tra và gỡ lỗi các mô hình phát hiện đối tượng và thử nghiệm các phương pháp phát hiện mới. Tập dữ liệu này lý tưởng cho các thử nghiệm nhanh với Ultralytics YOLOv8. Để biết thêm chi tiết về cấu hình tập dữ liệu, hãy xem tệp YAML tập dữ liệu tại đây.

Làm cách nào để đào tạo một YOLOv8 mô hình sử dụng tập dữ liệu COCO8-Pose trong Ultralytics?

Để đào tạo một YOLOv8nMô hình -pose trên tập dữ liệu COCO8-Pose cho 100 kỷ nguyên với kích thước hình ảnh là 640, hãy làm theo các ví dụ sau:

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-pose.pt")

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

yolo detect train data=coco8-pose.yaml model=yolov8n.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 .

Làm thế nào để khảm có lợi cho YOLOv8 quy trình đào tạo sử dụng bộ dữ liệu COCO8-Pose?

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?

Tệp YAML tập dữ liệu COCO8-Pose có thể được tìm thấy tại đây. Tệp này xác định cấu hình tập dữ liệu, bao gồm đường dẫn, lớp và thông tin liên quan khác. Sử dụng tệp này với YOLOv8 kịch bản đào tạo như đã đề cập trong phần Ví dụ về đào tạo .

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

Ý kiến