Tiger-Pose 数据集
简介
Ultralytics 推出了 Tiger-Pose 数据集，这是一个专为姿势估计任务而设计的多功能集合。该数据集包含 263 张从 YouTube 视频 中提取的图像，其中 210 张图像用于训练，53 张用于验证。它是测试和排除姿势估计算法故障的绝佳资源。
尽管 Tiger-Pose 数据集只有 210 张图像，但它提供了多样性，使其适合评估训练流程、识别潜在错误，并作为在使用更大的数据集进行姿势估计之前的有价值的初步步骤。
此数据集旨在与 Ultralytics HUB 和 YOLO11 结合使用。
观看： 使用 Ultralytics HUB 在 Tiger-Pose 数据集上训练 YOLO11 姿势估计模型
数据集 YAML
YAML（Yet Another Markup Language）文件用于指定数据集的配置详情，包含诸如文件路径、类别定义和其他相关信息等关键数据。特别是对于 tiger-pose.yaml 文件，您可以查看 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
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/tiger-pose.zip
用法
要在 Tiger-Pose 数据集上训练 YOLO11n-pose 模型 100 个 epochs，图像大小为 640，您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("yolo11n-pose.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="tiger-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo task=pose mode=train data=tiger-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
Sample Images 和注释
以下是 Tiger-Pose 数据集中的一些图像示例，以及它们对应的注释：
- Mosaiced Image：此图像演示了一个由 mosaiced 数据集图像组成的训练批次。Mosaicing 是一种在训练期间使用的技术，它将多个图像组合成一个图像，以增加每个训练批次中对象和场景的多样性。这有助于提高模型泛化到不同对象大小、纵横比和上下文的能力。
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拼接的好处。
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)
# Run inference using a tiger-pose trained model
yolo task=pose mode=predict source="https://youtu.be/MIBAT6BGE6U" show=True model="path/to/best.pt"
引用和致谢
该数据集已根据 AGPL-3.0 许可证发布。
常见问题
Ultralytics Tiger-Pose 数据集用于什么？
Ultralytics Tiger-Pose 数据集专为姿势估计任务而设计，包含 263 张从 YouTube 视频 中提取的图像。该数据集分为 210 张训练图像和 53 张验证图像。它对于使用 Ultralytics HUB 和 YOLO11 测试、训练和优化姿势估计算法特别有用。
如何在 Tiger-Pose 数据集上训练 YOLO11 模型？
要使用图像大小为 640 的 Tiger-Pose 数据集训练 YOLO11n-pose 模型 100 个 epoch，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("yolo11n-pose.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="tiger-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo task=pose mode=train data=tiger-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
的配置有哪些 tiger-pose.yaml 文件中包含什么？
字段 tiger-pose.yaml 文件用于指定 Tiger-Pose 数据集的配置详细信息。它包括关键数据，例如文件路径和类定义。要查看确切的配置，您可以查看 Ultralytics Tiger-Pose 数据集配置文件.
如何使用在 Tiger-Pose 数据集上训练的 YOLO11 模型运行推理？
要使用在 Tiger-Pose 数据集上训练的 YOLO11 模型执行推理，您可以使用以下代码片段。有关详细指南，请访问预测页面：
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)
# Run inference using a tiger-pose trained model
yolo task=pose mode=predict source="https://youtu.be/MIBAT6BGE6U" show=True model="path/to/best.pt"
使用 Tiger-Pose 数据集进行姿势估计有哪些好处？
Tiger-Pose 数据集虽然训练图像数量只有 210 张，但它提供了一个多样化的图像集合，非常适合测试姿势估计流程。该数据集有助于识别潜在错误，并作为使用更大数据集之前的初步步骤。此外，该数据集还支持使用 Ultralytics HUB 和 YOLO11 等高级工具训练和改进姿势估计算法，从而提高模型性能和准确性。
