Link to this sectionTiger-Pose 数据集#

Link to this section简介#

Ultralytics 推出了 Tiger-Pose 数据集，这是一个专为姿态估计任务设计的多功能集合。该数据集包含 263 张来自 YouTube 视频 的图像，其中 210 张用于训练，53 张用于验证。它是测试和排查姿态估计算法的绝佳资源。

尽管 Tiger-Pose 数据集只有 210 张图片，训练集规模适中，但它提供了多样性，非常适合用于评估训练流水线、识别潜在错误，并作为在处理更大规模数据集进行 姿态估计 之前的一个有价值的预备步骤。

一旦你的流程在这个小数据集上训练正常，就可以换成你自己的动物或物体关键点，并在 Ultralytics Platform 上扩大训练规模，而无需离开浏览器。

Link to this section数据集结构#

• 图像总数：263（210 张训练 / 53 张验证）。
• 关键点：每只老虎 12 个（无可见度标志）。
• 下载大小：~49.8 MB。
• 目录布局：YOLO 格式的关键点存储在 labels/{train,val} 下，与 images/{train,val} 目录并行。

Link to this section数据集 YAML#

YAML 文件是指定数据集配置详情的方式。它包含了文件路径、类定义及其他相关信息等关键数据。具体来说，对于 tiger-pose.yaml 文件，你可以查阅 Ultralytics Tiger-Pose Dataset Configuration File。

# 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 section用法#

若要使用图像大小为 640 的模型在 Tiger-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="tiger-pose.yaml", epochs=100, imgsz=640)

Link to this section样本图像和标注#

以下是来自 Tiger-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 Tiger-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的好处。

Link to this section推理示例#

训练完成后，加载你最好的检查点并在新图像或视频上运行推理——查看 Prediction 页面以获取参数的完整列表。

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 section引用与致谢#

Ultralytics 在 AGPL-3.0 License 下发布了 Tiger-Pose 数据集标注。源视频仍受其 原始条款 的约束，在使用或重新分发提取的帧之前，请务必仔细阅读。

Link to this section常见问题解答#

Link to this sectionUltralytics Tiger-Pose 数据集有什么用途？#

Ultralytics Tiger-Pose 数据集专为姿态估计任务而设计，包含 263 张来自 YouTube 视频 的图像。该数据集分为 210 张训练图像和 53 张验证图像，非常适合用于测试、训练和优化姿态估计算法。

Link to this section如何训练 YOLO26 模型以应用于 Tiger-Pose 数据集？#

加载 yolo26n-pose.pt 并调用 model.train(data="tiger-pose.yaml", epochs=100, imgsz=640) ——查看上面的 Train Example 以获取完整的 Python 和 CLI 代码片段，并查看 Training 页面以获取参数的综合列表。

Link to this sectiontiger-pose.yaml 文件包含哪些配置？#

tiger-pose.yaml 文件定义了数据集路径、训练/验证图像目录、单个类 (tiger) 以及 kpt_shape: [12, 2]（每个实例 12 个关键点，无可见性标志）。有关确切配置，请参阅 Ultralytics Tiger-Pose Dataset Configuration File。

Link to this section如何使用在 Tiger-Pose 数据集上训练的 YOLO26 模型运行推理？#

加载你训练好的检查点（例如 path/to/best.pt）并调用 model.predict(source=..., show=True) ——查看上面的 Inference Example 以获取完整的 Python 和 CLI 代码片段，并查看 Prediction 页面以获取参数的完整列表。

Link to this section使用 Tiger-Pose 数据集进行姿态估计有什么好处？#

Tiger-Pose 共有 263 张图像（210 张训练 / 53 张验证）、1 个类、每个实例 12 个关键点，下载大小约为 49.8 MB，其规模足够小，可以快速管理，同时又具备足够的多样性，足以在处理更大的数据集之前对姿态训练流程进行完整性检查并识别错误。