老虎姿势数据集

Q: What is the Ultralytics Tiger-Pose dataset used for?

Ultralytics Tiger-Pose 数据集是专为姿势估计任务设计的，由来自 YouTube 视频的 263 幅图像组成。数据集分为 210 张训练图像和 53 张验证图像。该数据集特别适用于使用Ultralytics HUB 和YOLO11 测试、训练和改进姿势估计算法。

Q: What configurations does the tiger-pose.yaml file include?

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。要查看具体配置，可查阅Ultralytics Tiger-Pose 数据集配置文件。

导言

Ultralytics介绍了 Tiger-Pose 数据集，这是一个专为姿势估计任务设计的多功能数据集。该数据集由来自YouTube 视频的 263 幅图像组成，其中 210 幅用于训练，53 幅用于验证。它是测试姿势估计算法和排除故障的绝佳资源。

尽管虎姿态数据集只有 210 张图像，但它的大小却易于管理，而且具有多样性，因此适合评估训练管道、识别潜在错误，并在使用更大的数据集进行姿态估计之前，作为一个有价值的初步步骤。

该数据集用于Ultralytics HUB 和 YOLO11.

观看： 使用Ultralytics HUB 在老虎姿势数据集上训练YOLO11 姿势模型

数据集 YAML

YAML（另一种标记语言）文件可用于指定数据集的配置细节。它包含文件路径、类定义和其他相关信息等重要数据。具体来说，对于 tiger-pose.yaml 文件，您可以检查 Ultralytics 老虎姿势数据集配置文件.

ultralytics/cfg/datasets/tiger-pose.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 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 (75.3 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: ../datasets/tiger-pose # dataset root dir
train: train # train images (relative to 'path') 210 images
val: 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

使用方法

要在图像大小为 640 的 Tiger-Pose 数据集上训练 YOLO11n-pose 模型 100次，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

PythonCLI

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

图片和注释示例

下面是老虎姿势数据集中的一些图像示例及其相应的注释：

数据集样本图像

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 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镶嵌技术的好处。

推理示例

PythonCLI

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"

引文和致谢

该数据集根据AGPL-3.0 许可发布。

常见问题

Ultralytics Tiger-Pose 数据集的用途是什么？

Ultralytics Tiger-Pose 数据集是专为姿势估计任务设计的，由来自YouTube 视频的 263 幅图像组成。该数据集分为 210 张训练图像和 53 张验证图像。该数据集特别适用于使用Ultralytics HUB 和......YOLO11.

如何在 Tiger-Pose 数据集上训练YOLO11 模型？

要在图像大小为 640 的 Tiger-Pose 数据集上训练 YOLO11n-pose 模型 100 次，请使用以下代码片段。有关详细信息，请访问训练页面：

列车示例

PythonCLI

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

该系统有哪些配置？ `tiger-pose.yaml` 文件是否包含？

"(《世界人权宣言》) 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。要查看具体配置，可以查看 Ultralytics 老虎姿势数据集配置文件.

如何使用在 Tiger-Pose 数据集上训练的YOLO11 模型进行推理？

要使用在 Tiger-Pose 数据集上训练的YOLO11 模型执行推理，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

PythonCLI

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什么好处？

Tiger-Pose 数据集尽管只有 210 张图像用于训练，但它提供了一个多样化的图像集合，是测试姿势估计管道的理想选择。该数据集有助于识别潜在错误，是使用更大数据集之前的第一步。此外，该数据集还支持使用Ultralytics HUB 等先进工具对姿态估计算法进行训练和改进，从而提高模型的性能和准确性。YOLO11等先进工具对姿态估计算法进行训练和改进，从而提高模型的性能和准确性。

📅创建于 1 年前 ✏️已更新 2 个月前