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 张图像的易于管理的训练集，但它提供了多样性，非常适合评估训练流水线、识别潜在错误，并作为在处理更大的姿态估计数据集之前的一个有价值的初步步骤。

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

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）。
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。

Watch: Train YOLO26 Pose Model on Tiger-Pose Dataset Using Ultralytics Platform

Link to this section数据集 YAML#

YAML (Yet Another Markup Language) 文件是指定数据集配置细节的方法。它包含诸如文件路径、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，你可以查看 Ultralytics Tiger-Pose 数据集配置文件。

ultralytics/cfg/datasets/tiger-pose.yaml

# 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。

训练示例

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：

Tiger pose estimation dataset mosaic training batch

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#

推理示例

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#

该数据集根据 AGPL-3.0 许可证发布。

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设计，由 263 张来自 YouTube 视频的图像组成。该数据集分为 210 张训练图像和 53 张验证图像。它在利用 Ultralytics Platform 和 YOLO26 进行姿态估计算法的测试、训练和优化方面特别有用。

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

要以 640 的图像大小在 Tiger-Pose 数据集上训练 YOLO26n-pose 模型 100 个轮次，请使用以下代码片段。有关更多详细信息，请访问训练页面：

训练示例

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`tiger-pose.yaml` 文件包含哪些配置？#

tiger-pose.yaml 文件用于指定 Tiger-Pose 数据集的配置细节。它包括文件路径和类定义等关键数据。要查看确切的配置，你可以查看 Ultralytics Tiger-Pose 数据集配置文件。

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？#

要使用在 Tiger-Pose 数据集上训练的 YOLO26 模型执行推理，你可以使用以下代码片段。有关详细指南，请访问预测页面：