Link to this sectionCOCO8-Pose 数据集#

Link to this section简介#

Ultralytics COCO8-Pose 是一个小型且通用的姿态检测数据集，由 COCO train 2017 集合中的前 8 张图像组成，其中 4 张用于训练，4 张用于验证。该数据集非常适合测试和调试 object detection 模型，或者用于试验新的检测方法。它仅包含 8 张图像，不仅小巧易于管理，而且具有足够的多样性，足以测试训练流水线中的错误，并在训练更大的数据集之前进行完整性检查。

Link to this section数据集结构#

• 总图像数：8 张（4 张训练 / 4 张验证）。
• 类别：1 类（person），每个标注包含 17 个关键点。
• 推荐的目录布局：datasets/coco8-pose/images/{train,val} 和 datasets/coco8-pose/labels/{train,val}，其中 YOLO 格式的关键点存储为 .txt 文件。

此数据集旨在与 Ultralytics Platform 和 YOLO26 配合使用。

Link to this section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 COCO8-Pose 数据集，coco8-pose.yaml 文件托管在 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml。

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

# 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: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8-pose.zip

Link to this section用法#

若要在 COCO8-Pose 数据集上训练 YOLO26n-pose 模型，进行 100 个 epochs 且图像大小为 640，你可以使用以下代码片段。有关可用参数的完整列表，请参考模型 Training 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="coco8-pose.yaml", epochs=100, imgsz=640)

Link to this section样本图像和标注#

以下是来自 COCO8-Pose 数据集的一些图像示例，以及它们对应的标注：

• 马赛克图像：此图像展示了一个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物体和场景的多样性。这有助于提高模型对不同物体尺寸、宽高比和上下文的泛化能力。

该示例展示了 COCO8-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）增强的好处。

Link to this section引用与致谢#

如果你在研究或开发工作中使用了 COCO 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 Consortium 为计算机视觉社区创建并维护这一宝贵资源。有关 COCO 数据集及其创建者的更多信息，请访问 COCO 数据集网站。

Link to this section常见问题解答#

Link to this section什么是 COCO8-Pose 数据集，以及如何将其与 Ultralytics YOLO26 一起使用？#

COCO8-Pose 数据集是一个小型且通用的姿态检测数据集，包含 COCO train 2017 集合中的前 8 张图像，其中 4 张用于训练，4 张用于验证。它旨在用于测试和调试目标检测模型并试验新的检测方法。该数据集非常适合与 Ultralytics YOLO26 进行快速实验。有关数据集配置的更多详细信息，请查看 dataset YAML file。

Link to this section如何在 Ultralytics 中使用 COCO8-Pose 数据集训练 YOLO26 模型？#

若要在 COCO8-Pose 数据集上训练 YOLO26n-pose 模型，进行 100 个 epoch 且图像大小为 640，请遵循以下示例：

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-pose.pt")

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

有关训练参数的完整列表，请参阅模型 Training 页面。

Link to this section使用 COCO8-Pose 数据集有什么好处？#

COCO8-Pose 数据集提供了几个好处：

• 紧凑的尺寸：仅包含 8 张图像，易于管理，非常适合快速实验。
• 多样的数据：尽管尺寸较小，但它包含了多种场景，对于彻底的流水线测试非常有用。
• 错误调试：是在扩展到更大的数据集之前识别训练错误和执行完整性检查的理想选择。

有关其功能和用法的更多信息，请参阅 Dataset Introduction 部分。

Link to this section马赛克增强是如何在使用 COCO8-Pose 数据集的过程中提升 YOLO26 训练过程的？#

马赛克增强在 COCO8-Pose 数据集的示例图像中得到了展示，它将多张图像合并为一张，增加了每个训练批次中对象和场景的多样性。该技术有助于提高模型在各种对象尺寸、纵横比和背景下的泛化能力，从而最终提升模型性能。请参阅 Sample Images and Annotations 部分以获取示例图像。

Link to this section在哪里可以找到 COCO8-Pose 数据集的 YAML 文件，以及如何使用它？#

COCO8-Pose 数据集的 YAML 文件可以在 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml 找到。该文件定义了数据集配置，包括路径、类别及其他相关信息。请按照 Train Example 部分中提到的方法，将此文件与 YOLO26 训练脚本结合使用。

如需更多常见问题解答和详细文档，请访问 Ultralytics Documentation。