Link to this sectionTập dữ liệu Tiger-Pose#

Link to this sectionGiới thiệu#

Ultralytics giới thiệu tập dữ liệu Tiger-Pose, một bộ sưu tập linh hoạt được thiết kế cho các tác vụ ước tính tư thế (pose estimation). Tập dữ liệu này bao gồm 263 hình ảnh được trích xuất từ một video YouTube, với 210 hình ảnh dành cho huấn luyện và 53 hình ảnh để xác thực. Đây là nguồn tài nguyên tuyệt vời để kiểm tra và khắc phục sự cố cho các thuật toán ước tính tư thế.

Mặc dù có tập huấn luyện khiêm tốn với 210 hình ảnh, bộ dữ liệu Tiger-Pose vẫn mang lại sự đa dạng, khiến nó trở nên phù hợp để đánh giá các quy trình huấn luyện, xác định các lỗi tiềm ẩn và đóng vai trò như một bước khởi đầu giá trị trước khi làm việc với các bộ dữ liệu lớn hơn cho pose estimation.

Sau khi pipeline của bạn đã train thành công trên tập dữ liệu nhỏ này, hãy thay thế bằng các keypoints động vật hoặc đối tượng của riêng bạn và mở rộng quy mô training trên Ultralytics Platform mà không cần rời khỏi trình duyệt.

Link to this sectionCấu trúc tập dữ liệu#

• Tổng số hình ảnh: 263 (210 train / 53 val).
• Keypoint: 12 điểm mỗi con hổ (không có cờ hiển thị).
• Dung lượng tải xuống: ~49.8 MB.
• Cấu trúc thư mục: Các keypoint định dạng YOLO được lưu trữ trong labels/{train,val} cùng với các thư mục images/{train,val}.

Link to this sectionYAML tập dữ liệu#

Tệp YAML đóng vai trò là phương tiện để chỉ định chi tiết cấu hình của một tập dữ liệu. Nó bao gồm các dữ liệu quan trọng như đường dẫn tệp, định nghĩa lớp và các thông tin liên quan khác. Cụ thể, đối với tệp tiger-pose.yaml, bạn có thể kiểm tra Tệp cấu hình tập dữ liệu Tiger-Pose của Ultralytics.

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

# Tiger Pose dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/tiger-pose
# Example usage: yolo train data=tiger-pose.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── tiger-pose ← downloads here (49.8 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: tiger-pose # dataset root dir
train: images/train # train images (relative to 'path') 210 images
val: images/val # val images (relative to 'path') 53 images

# Keypoints
kpt_shape: [12, 2] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

# Classes
names:
  0: tiger

# Keypoint names per class
kpt_names:
  0:
    - nose
    - head
    - withers
    - tail_base
    - right_hind_hock
    - right_hind_paw
    - left_hind_paw
    - left_hind_hock
    - right_front_wrist
    - right_front_paw
    - left_front_wrist
    - left_front_paw

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/tiger-pose.zip

Link to this sectionCách sử dụng#

Để huấn luyện model YOLO26n-pose trên tập dữ liệu Tiger-Pose trong 100 epoch với kích thước hình ảnh là 640, bạn có thể sử dụng các đoạn mã sau. Để có danh sách đầy đủ các đối 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="tiger-pose.yaml", epochs=100, imgsz=640)

Link to this sectionHình ảnh mẫu và chú thích#

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

• 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 tập dữ liệu Tiger-Pose cũng như những lợi ích của việc sử dụng kỹ thuật Mosaic trong quá trình huấn luyện.

Link to this sectionVí dụ về Inference#

Sau khi training, hãy load checkpoint tốt nhất của bạn và chạy inference trên hình ảnh hoặc video mới — xem trang Prediction để biết danh sách đầy đủ các đối số.

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a tiger-pose trained model

# Run inference
results = model.predict(source="https://youtu.be/MIBAT6BGE6U", show=True)

Link to this sectionTrích dẫn và Ghi nhận#

Ultralytics phát hành các chú thích của tập dữ liệu Tiger-Pose theo AGPL-3.0 License. Video nguồn vẫn tuân theo các điều khoản gốc, người dùng nên xem xét kỹ trước khi sử dụng hoặc phân phối lại các khung hình được trích xuất.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionTập dữ liệu Ultralytics Tiger-Pose được sử dụng để làm gì?#

Bộ dữ liệu Ultralytics Tiger-Pose được thiết kế cho các tác vụ pose estimation, bao gồm 263 hình ảnh lấy từ YouTube video. Bộ dữ liệu được chia thành 210 hình ảnh training và 53 hình ảnh validation, rất phù hợp để kiểm tra, training và tinh chỉnh các thuật toán pose estimation.

Link to this sectionLàm thế nào để huấn luyện model YOLO26 trên tập dữ liệu Tiger-Pose?#

Load yolo26n-pose.pt và gọi model.train(data="tiger-pose.yaml", epochs=100, imgsz=640) — xem phần Train Example ở trên để biết các đoạn mã Python và CLI đầy đủ, và trang Training để có danh sách toàn diện các đối số.

Link to this sectionTệp tiger-pose.yaml bao gồm những cấu hình nào?#

Tệp tiger-pose.yaml xác định đường dẫn bộ dữ liệu, các thư mục hình ảnh train/val, một class đơn lẻ (tiger), và kpt_shape: [12, 2] — 12 keypoints cho mỗi instance mà không có cờ visibility. Xem Ultralytics Tiger-Pose Dataset Configuration File để biết cấu hình chính xác.

Link to this sectionLàm thế nào để thực hiện inference bằng model YOLO26 đã huấn luyện trên tập dữ liệu Tiger-Pose?#

Load checkpoint đã train của bạn (ví dụ: path/to/best.pt) và gọi model.predict(source=..., show=True) — xem phần Inference Example ở trên để biết các đoạn mã Python và CLI đầy đủ, và trang Prediction để có danh sách toàn diện các đối số.

Link to this sectionNhững lợi ích của việc sử dụng tập dữ liệu Tiger-Pose cho ước tính tư thế là gì?#

Với tổng cộng 263 hình ảnh (210 train / 53 val), 1 class, 12 keypoints mỗi instance và dung lượng tải xuống ~49.8 MB, Tiger-Pose đủ nhỏ để quản lý nhanh chóng nhưng vẫn đủ đa dạng để kiểm tra tính hợp lệ của pipeline training pose và xác định các lỗi trước khi làm việc với các bộ dữ liệu lớn hơn.