COCO Pose 数据集
COCO-Pose数据集是 COCO(Common Objects in Context,上下文中的常见物体)数据集的专门版本,设计用于姿势估计任务。它利用 COCO 关键点 2017 图像和标签来训练用于姿势估计任务的模型(如YOLO )。
COCO Pose 预训练模型
模型 | 尺寸 (像素) |
50-95 |
mAPpose 50 |
速度 CPU ONNX (毫秒) |
速度 T4TensorRT10 (ms) |
params (M) |
FLOPs (B) |
---|---|---|---|---|---|---|---|
YOLO11n-pose | 640 | 50.0 | 81.0 | 52.4 ± 0.5 | 1.7 ± 0.0 | 2.9 | 7.6 |
YOLO11s-pose | 640 | 58.9 | 86.3 | 90.5 ± 0.6 | 2.6 ± 0.0 | 9.9 | 23.2 |
YOLO11m-pose | 640 | 64.9 | 89.4 | 187.3 ± 0.8 | 4.9 ± 0.1 | 20.9 | 71.7 |
YOLO11l-pose | 640 | 66.1 | 89.9 | 247.7 ± 1.1 | 6.4 ± 0.1 | 26.2 | 90.7 |
YOLO11x-pose | 640 | 69.5 | 91.1 | 488.0 ± 13.9 | 12.1 ± 0.2 | 58.8 | 203.3 |
主要功能
- COCO-Pose 基于 COCO Keypoints 2017 数据集,该数据集包含 20 万张标有关键点的图像,用于姿势估计任务。
- 数据集支持 17 个人物关键点,便于进行详细的姿势估算。
- 与 COCO 一样,它提供标准化的评估指标,包括用于姿态估计任务的对象关键点相似性(OKS),因此适合比较模型性能。
数据集结构
COCO-Pose 数据集分为三个子集:
- Train2017:该子集包含 COCO 数据集中 118K 幅图像中的一部分,注释用于训练姿势估计模型。
- Val2017:该子集包含模型训练过程中用于验证的部分图像。
- 测试 2017:该子集包含用于测试和基准测试训练模型的图像。该子集的地面实况注释不公开,其结果将提交给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(如 OpenPose)中的深度学习模型。该数据集拥有大量带注释的图像和标准化的评估指标,是专注于姿势估计的计算机视觉研究人员和从业人员的重要资源。
数据集 YAML
YAML(另一种标记语言)文件用于定义数据集配置。它包含数据集的路径、类和其他相关信息。就 COCO-Pose 数据集而言,YAML 文件中的 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 YOLO 🚀, AGPL-3.0 license
# COCO 2017 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: ../datasets/coco-pose # dataset root dir
train: train2017.txt # train images (relative to 'path') 118287 images
val: val2017.txt # val images (relative to 'path') 5000 images
test: test-dev2017.txt # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794
# 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 ultralytics.utils.downloads import download
from pathlib import Path
# Download labels
dir = Path(yaml['path']) # dataset root dir
url = 'https://github.com/ultralytics/assets/releases/download/v0.0.0/'
urls = [url + 'coco2017labels-pose.zip'] # labels
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
要在 COCO-Pose 数据集上对 YOLO11n-pose 模型进行 100次历时训练(图像大小为 640),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。
列车示例
图片和注释示例
COCO-Pose 数据集包含一组不同的人物图像,并标注了关键点。下面是数据集中的一些图像示例及其相应的注释:
- 镶嵌图像:该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过程中使用的技术,可将多幅图像合并为单幅图像,以增加每个训练批次中物体和场景的多样性。这有助于提高模型对不同物体尺寸、长宽比和环境的泛化能力。
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镶嵌技术的好处。
引文和致谢
如果您在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}
}
我们衷心感谢 COCO 联盟为计算机视觉界创建并维护这一宝贵资源。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
什么是 COCO-Pose 数据集,如何将其与Ultralytics YOLO 一起用于姿势估计?
COCO-Pose数据集是 COCO(Common Objects in Context,上下文中的常见物体)数据集的专门版本,设计用于姿势估计任务。它建立在 COCO Keypoints 2017 图像和注释的基础上,允许对Ultralytics YOLO 等模型进行训练,以进行详细的姿势估计。例如,您可以使用 COCO-Pose 数据集来训练 YOLO11n-pose 模型,方法是加载预训练模型并使用 YAML 配置对其进行训练。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,要在图像大小为 640 的情况下训练 YOLO11n-pose 模型 100 次,可以按照以下步骤进行:
列车示例
有关培训过程和可用参数的更多详情,请查看培训页面。
COCO-Pose 数据集提供了哪些用于评估模型性能的不同指标?
COCO-Pose 数据集为姿势估计任务提供了多个标准化的评估指标,与原始 COCO 数据集类似。关键指标包括物体关键点相似度(OKS),该指标根据地面实况注释评估预测关键点的准确性。通过这些指标,可以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 数据集的结构和分割方式是怎样的?
COCO-Pose 数据集分为三个子集:
- Train2017:包含 118K COCO 图像中的一部分,注释用于训练姿势估计模型。
- Val2017:模型训练期间用于验证的选定图像。
- Test2017:用于测试和基准测试训练有素的模型的图像。该子集的地面实况注释未公开;结果提交给COCO 评估服务器进行性能评估。
这些子集有助于有效组织训练、验证和测试阶段。有关配置的详细信息,请访问 coco-pose.yaml
文件可在 GitHub.
COCO-Pose 数据集有哪些主要特点和应用?
COCO-Pose 数据集扩展了 2017 年 COCO 关键点注释,纳入了 17 个人物关键点,实现了详细的姿势估计。标准化的评估指标(如 OKS)便于对不同模型进行比较。COCO-Pose 数据集的应用领域广泛,如体育分析、医疗保健和人机交互等需要对人物进行详细姿势估计的领域。在实际使用中,利用文档中提供的预训练模型(如 YOLO11n-pose)可以大大简化流程(主要功能)。
如果您在研究或开发工作中使用 COCO-Pose 数据集,请在引用论文时使用以下BibTeX 条目。