COCO-Pose 数据集
COCO-Pose 数据集是 COCO(Common Objects in Context)数据集的专门版本,专为姿势估计任务而设计。它利用 COCO Keypoints 2017 图像和标签来支持训练 YOLO 等模型以进行姿势估计任务。
COCO-Pose 预训练模型
模型 | 尺寸 (像素) |
mAP姿势估计 50-95 |
mAP姿势估计 50 |
速度 CPU ONNX (毫秒) |
速度 T4 TensorRT10 (毫秒) |
参数 (M) |
FLOPs (B) |
---|---|---|---|---|---|---|---|
YOLO11n-pose | 640 | 50.0 | 81.0 | 52.4 ± 0.5 | 1.7 ± 0.0 | 2.9 | 7.6 |
YOLO11s-姿势估计 | 640 | 58.9 | 86.3 | 90.5 ± 0.6 | 2.6 ± 0.0 | 9.9 | 23.2 |
YOLO11m-姿势估计 | 640 | 64.9 | 89.4 | 187.3 ± 0.8 | 4.9 ± 0.1 | 20.9 | 71.7 |
YOLO11l-姿势估计 | 640 | 66.1 | 89.9 | 247.7 ± 1.1 | 6.4 ± 0.1 | 26.2 | 90.7 |
YOLO11x-姿势估计 | 640 | 69.5 | 91.1 | 488.0 ± 13.9 | 12.1 ± 0.2 | 58.8 | 203.3 |
主要功能
- COCO-Pose 建立在 COCO Keypoints 2017 数据集之上,该数据集包含 20 万张图像,这些图像标有关键点,用于姿势估计任务。
- 该数据集支持人体 17 个关键点,有助于进行详细的姿势估计。
- 与 COCO 类似,它提供了标准化的评估指标,包括用于姿势估计任务的对象关键点相似度 (OKS),使其适用于比较模型性能。
数据集结构
COCO-Pose 数据集分为三个子集:
- Train2017:此子集包含来自 COCO 数据集的 56599 张图像,这些图像已针对训练姿势估计模型进行了注释。
- Val2017: 此子集包含 2346 张图像,用于模型训练期间的验证。
- Test2017:此子集包含用于测试和评估已训练模型的图像。此子集的 Ground Truth 标注不公开提供,结果将提交到 COCO 评估服务器 进行性能评估。
应用
COCO-Pose 数据集专门用于训练和评估关键点检测和姿势估计任务中的 深度学习 模型,例如 OpenPose。该数据集的大量带注释图像和标准化评估指标使其成为专注于姿势估计的 计算机视觉 研究人员和从业者的重要资源。
数据集 YAML
YAML(Yet Another Markup Language)文件用于定义数据集配置。它包含有关数据集路径、类和其他相关信息。对于 COCO-Pose 数据集, coco-pose.yaml
文件保存在 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco-pose.yaml.
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 (20.1 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
# Download script/URL (optional)
download: |
from pathlib import Path
from ultralytics.utils.downloads import download
# Download labels
dir = Path(yaml["path"]) # dataset root dir
url = "https://github.com/ultralytics/assets/releases/download/v0.0.0/"
urls = [f"{url}coco2017labels-pose.zip"]
download(urls, dir=dir.parent)
# Download data
urls = [
"http://images.cocodataset.org/zips/train2017.zip", # 19G, 118k images
"http://images.cocodataset.org/zips/val2017.zip", # 1G, 5k images
"http://images.cocodataset.org/zips/test2017.zip", # 7G, 41k images (optional)
]
download(urls, dir=dir / "images", threads=3)
用法
要在 COCO-Pose 数据集上训练 YOLO11n-pose 模型 100 个 epochs,图像大小为 640,您可以使用以下代码片段。有关可用参数的完整列表,请参阅模型训练页面。
训练示例
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="coco-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo pose train data=coco-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
Sample Images 和注释
COCO-Pose 数据集包含各种各样的图像,其中人体人物都标有关键点。以下是数据集中一些图像的示例,以及它们对应的注释:
- Mosaiced Image:此图像演示了一个由 mosaiced 数据集图像组成的训练批次。Mosaicing 是一种在训练期间使用的技术,它将多个图像组合成一个图像,以增加每个训练批次中对象和场景的多样性。这有助于提高模型泛化到不同对象大小、纵横比和上下文的能力。
该示例展示了 COCO-Pose 数据集中图像的多样性和复杂性,以及在训练过程中使用马赛克镶嵌的好处。
引用和致谢
如果您在您的研究或开发工作中使用 COCO-Pose 数据集,请引用以下论文:
@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}
}
我们要感谢 COCO 联盟创建和维护这个为计算机视觉社区提供的宝贵资源。有关 COCO-Pose 数据集及其创建者的更多信息,请访问 COCO 数据集网站。
常见问题
什么是 COCO-Pose 数据集,以及它如何与 Ultralytics YOLO 一起用于姿势估计?
COCO-Pose 数据集是 COCO(Common Objects in Context)数据集的专门版本,专为姿势估计任务而设计。它建立在 COCO Keypoints 2017 图像和注释的基础上,允许训练像 Ultralytics YOLO 这样的模型以进行详细的姿势估计。例如,您可以使用 COCO-Pose 数据集通过加载预训练模型并使用 YAML 配置对其进行训练来训练 YOLO11n-pose 模型。有关训练示例,请参阅训练文档。
如何在 COCO-Pose 数据集上训练 YOLO11 模型?
可以使用 python 或 CLI 命令在 COCO-Pose 数据集上训练 YOLO11 模型。例如,要训练 YOLO11n-pose 模型 100 个 epochs,图像大小为 640,您可以按照以下步骤操作:
训练示例
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="coco-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo pose train data=coco-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
有关训练过程和可用参数的更多详细信息,请查看训练页面。
COCO-Pose 数据集提供了哪些不同的指标来评估模型性能?
COCO-Pose 数据集为姿势估计任务提供了几个标准化的评估指标,类似于原始 COCO 数据集。关键指标包括对象关键点相似度 (OKS),它评估预测的关键点相对于真实注释的准确性。这些指标允许对不同模型进行全面的性能比较。例如,COCO-Pose 预训练模型(如 YOLO11n-pose、YOLO11s-pose 等)在文档中列出了特定的性能指标,如 mAPpose50-95 和 mAPpose50。
COCO-Pose 数据集的数据集结构和拆分方式如何?
COCO-Pose 数据集分为三个子集:
- Train2017:包含 56599 张 COCO 图像,这些图像已针对训练姿势估计模型进行了注释。
- Val2017: 2346 张图像,用于模型训练期间的验证。
- Test2017:用于测试和评估已训练模型的图像。 此子集的 Ground Truth 注释不公开提供; 结果将提交到 COCO 评估服务器 进行性能评估。
这些子集有助于有效地组织训练、验证和测试阶段。 有关配置详细信息,请浏览 coco-pose.yaml
文件,该文件可在 GitHub.
COCO-Pose 数据集的主要特征和应用是什么?
COCO-Pose 数据集扩展了 COCO Keypoints 2017 注释,包括人体人物的 17 个关键点,从而实现详细的姿势估计。标准化的评估指标(例如,OKS)有助于比较不同的模型。COCO-Pose 数据集的应用范围涵盖各种领域,例如体育分析、医疗保健和人机交互,只要需要对人体人物进行详细的姿势估计即可。对于实际使用,利用文档中提供的预训练模型(例如,YOLO11n-pose)可以显着简化流程(主要功能)。
如果您在您的研究或开发工作中使用 COCO-Pose 数据集,请使用以下 BibTeX 条目 引用该论文。