COCO-Pose 数据集

COCO-Pose 数据集是 COCO (Common Objects in Context) 数据集的专门版本，专为姿态估计任务而设计。它利用 COCO Keypoints 2017 的图像和标签，使训练 YOLO 等模型进行姿态估计任务成为可能。

COCO-Pose 预训练模型

主要特性

• COCO-Pose 基于 COCO Keypoints 2017 数据集构建，该数据集包含 20 万张带有姿态估计任务关键点标注的图像。
• 该数据集支持人体 17 个关键点，有助于实现精确的姿态估计。
• 与 COCO 一样，它提供了标准化的评估指标，包括用于姿态估计任务的对象关键点相似度 (OKS)，这使其非常适合比较模型性能。

数据集结构

COCO-Pose 数据集分为三个子集：

1. Train2017：该子集包含来自 COCO 数据集的 56599 张图像，用于训练姿态估计模型。
2. Val2017：该子集包含 2346 张图像，用于模型训练过程中的验证。
3. Test2017：该子集由用于测试和基准测试已训练模型的图像组成。该子集的真值标注未公开，结果需提交至 COCO 评估服务器 进行性能评估。

应用场景

The COCO-Pose dataset is specifically used for training and evaluating deep learning models in keypoint detection and pose estimation tasks, such as OpenPose. The dataset's large number of annotated images and standardized evaluation metrics make it an essential resource for computer vision researchers and practitioners focused on pose estimation.

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、类别及其他相关信息。对于 COCO-Pose 数据集，coco-pose.yaml 文件托管在 https://github.com/ultralytics/ultralytics/blob/main/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

# Keypoint names per class
kpt_names:
  0:
    - nose
    - left_eye
    - right_eye
    - left_ear
    - right_ear
    - left_shoulder
    - right_shoulder
    - left_elbow
    - right_elbow
    - left_wrist
    - right_wrist
    - left_hip
    - right_hip
    - left_knee
    - right_knee
    - left_ankle
    - right_ankle

# Download script/URL (optional)
download: |
  from pathlib import Path

  from ultralytics.utils import ASSETS_URL
  from ultralytics.utils.downloads import download

  # Download labels
  dir = Path(yaml["path"])  # dataset root dir

  urls = [f"{ASSETS_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)

使用方法

若要使用图像大小 640 在 COCO-Pose 数据集上训练 YOLO26n-pose 模型 100 个轮次，你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。

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="coco-pose.yaml", epochs=100, imgsz=640)

样本图像和标注

COCO-Pose 数据集包含一组多样化的图像，其中人体姿态已标注关键点。以下是来自该数据集的图像示例及其对应的标注：

• 马赛克图像：此图像展示了由马赛克数据集图像组成的训练批次。马赛克是一种在训练期间使用的技术，它将多张图像合并为单张图像，以增加每个训练批次中目标和场景的多样性。这有助于提高模型对不同目标尺寸、长宽比和上下文的泛化能力。

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（mosaicing）技术带来的优势。

引文与致谢

如果你在研究或开发工作中使用了 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}
}

我们感谢 COCO 联盟为计算机视觉社区创建并维护了这一宝贵资源。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 (FAQ)

什么是 COCO-Pose 数据集，以及它如何与 Ultralytics YOLO 配合进行姿态估计？

COCO-Pose 数据集是 COCO (Common Objects in Context) 数据集的专门版本，专为姿态估计任务而设计。它建立在 COCO Keypoints 2017 的图像和标注之上，能够训练如 Ultralytics YOLO 等模型以进行精确的姿态估计。例如，你可以通过加载预训练模型并使用 YAML 配置进行训练，来使用 COCO-Pose 数据集训练 YOLO26n-pose 模型。有关训练示例，请参考训练文档。

我该如何在 COCO-Pose 数据集上训练 YOLO26 模型？

在 COCO-Pose 数据集上训练 YOLO26 模型可以使用 Python 或 CLI 命令完成。例如，若要以 640 的图像大小训练 YOLO26n-pose 模型 100 个轮次，你可以按照以下步骤操作：

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="coco-pose.yaml", 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 数据集为评估模型性能提供了哪些不同的指标？

COCO-Pose 数据集提供了几种用于姿态估计任务的标准评估指标，这与原始 COCO 数据集类似。关键指标包括对象关键点相似度 (OKS)，它用于评估预测的关键点与真值标注之间的准确性。这些指标允许在不同模型之间进行深入的性能比较。例如，COCO-Pose 预训练模型（如 YOLO26n-pose、YOLO26s-pose 等）在文档中列出了具体的性能指标，如 mAP^pose50-95 和 mAP^pose50。

COCO-Pose 数据集是如何组织和划分的？

COCO-Pose 数据集分为三个子集：

1. Train2017：包含 56599 张 COCO 图像，已标注用于训练姿态估计模型。
2. Val2017：包含 2346 张图像，用于模型训练过程中的验证。
3. Test2017：用于测试和基准测试已训练模型的图像。该子集的真值标注未公开；结果需提交至 COCO 评估服务器 进行性能评估。

These subsets help organize the training, validation, and testing phases effectively. For configuration details, explore the coco-pose.yaml file available on 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 的标注，包含人体 17 个关键点，实现了详细的姿态估计。标准化评估指标（例如 OKS）有助于在不同模型之间进行比较。COCO-Pose 数据集的应用跨越了多个领域，例如运动分析、医疗保健和人机交互，只要是需要进行人体详细姿态估计的场景均可使用。对于实际应用，利用文档中提供的预训练模型（例如 YOLO26n-pose）可以显著简化流程 (关键特征)。

如果你在研究或开发工作中使用了 COCO-Pose 数据集，请引用该论文及以下 BibTeX 条目。