مجموعة بيانات COCO8-Pose
مقدمة
Ultralytics COCO8-Pose عبارة عن مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات لاكتشاف الوضعيات تتكون من أول 8 صور من مجموعة COCO train 2017، 4 للتدريب و 4 للتحقق. تعتبر مجموعة البيانات هذه مثالية لاختبار وتصحيح نماذج اكتشاف الأجسام، أو لتجربة أساليب اكتشاف جديدة. مع وجود 8 صور، فهي صغيرة بما يكفي لتكون قابلة للإدارة بسهولة، ولكنها متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثًا عن الأخطاء والعمل كفحص للتأكد من السلامة قبل تدريب مجموعات بيانات أكبر.
مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics HUB و YOLO11.
ملف YAML لمجموعة البيانات
يتم استخدام ملف YAML (وهي لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. يحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها ومعلومات أخرى ذات صلة. في حالة مجموعة بيانات COCO8-Pose، فإن coco8-pose.yaml يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml.
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
# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8-pose.zip
الاستخدام
لتدريب نموذج YOLO11n-pose على مجموعة بيانات COCO8-Pose لعدد 100 حقبة (epoch) بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالحجج المتاحة، ارجع إلى صفحة تدريب النموذج.
مثال على التدريب
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="coco8-pose.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo pose train data=coco8-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
عينات من الصور والشروحات التوضيحية
فيما يلي بعض الأمثلة لصور من مجموعة بيانات COCO8-Pose، بالإضافة إلى الشروح التوضيحية المقابلة لها:
- صورة مجمعة: توضح هذه الصورة دفعة تدريبية تتكون من صور مجموعة بيانات مجمعة. التجميع هو أسلوب يستخدم أثناء التدريب يجمع بين صور متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد داخل كل دفعة تدريبية. يساعد هذا في تحسين قدرة النموذج على التعميم على أحجام الكائنات ونسب العرض إلى الارتفاع والسياقات المختلفة.
يعرض المثال تنوع وتعقيد الصور في مجموعة بيانات COCO8-Pose وفوائد استخدام التجميع أثناء عملية التدريب.
الاقتباسات والإقرارات
إذا كنت تستخدم مجموعة بيانات COCO في عملك البحثي أو التطويري، فيرجى الاستشهاد بالورقة التالية:
@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}
}
نود أن نعرب عن تقديرنا لاتحاد COCO لإنشاء هذا المورد القيم والحفاظ عليه لمجتمع رؤية الكمبيوتر. لمزيد من المعلومات حول مجموعة بيانات COCO ومنشئيها، تفضل بزيارة موقع مجموعة بيانات COCO.
الأسئلة الشائعة
ما هي مجموعة بيانات COCO8-Pose، وكيف يتم استخدامها مع Ultralytics YOLO11؟
مجموعة بيانات COCO8-Pose هي مجموعة بيانات صغيرة ومتعددة الاستخدامات لاكتشاف الوضعيات تتضمن أول 8 صور من مجموعة تدريب COCO 2017، مع 4 صور للتدريب و 4 للتحقق. وهي مصممة لاختبار وتصحيح نماذج الكشف عن الكائنات وتجربة أساليب الكشف الجديدة. تعتبر مجموعة البيانات هذه مثالية للتجارب السريعة مع Ultralytics YOLO11. لمزيد من التفاصيل حول تكوين مجموعة البيانات، تحقق من ملف YAML الخاص بمجموعة البيانات.
كيف يمكنني تدريب نموذج YOLO11 باستخدام مجموعة بيانات COCO8-Pose في Ultralytics؟
لتدريب نموذج YOLO11n-pose على مجموعة بيانات COCO8-Pose لعدد 100 حقبة (epoch) بحجم صورة 640، اتبع هذه الأمثلة:
مثال على التدريب
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-pose.pt")
# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)
yolo pose train data=coco8-pose.yaml model=yolo11n-pose.pt epochs=100 imgsz=640
للحصول على قائمة شاملة بحجج التدريب، راجع صفحة تدريب النموذج.
ما هي فوائد استخدام مجموعة بيانات COCO8-Pose؟
توفر مجموعة بيانات COCO8-Pose العديد من المزايا:
- حجم صغير: مع 8 صور فقط، من السهل إدارتها ومثالية للتجارب السريعة.
- بيانات متنوعة: على الرغم من صغر حجمه، إلا أنه يتضمن مجموعة متنوعة من المشاهد، وهو أمر مفيد لاختبار خطوط الأنابيب الشاملة.
- تصحيح الأخطاء: مثالي لتحديد أخطاء التدريب وإجراء فحوصات السلامة قبل التوسع إلى مجموعات بيانات أكبر.
لمعرفة المزيد حول ميزاته واستخدامه، راجع قسم مقدمة مجموعة البيانات.
كيف تفيد عملية الفسيفساء عملية تدريب YOLO11 باستخدام مجموعة بيانات COCO8-Pose؟
تعمل الفسيفساء، الموضحة في sample_images لمجموعة بيانات COCO8-Pose، على دمج صور متعددة في صورة واحدة، مما يزيد من تنوع الكائنات والمشاهد داخل كل دفعة تدريب. تساعد هذه التقنية على تحسين قدرة النموذج على التعميم عبر أحجام الكائنات ونسب العرض إلى الارتفاع والسياقات المختلفة، مما يؤدي في النهاية إلى تحسين أداء النموذج. راجع قسم Sample Images and Annotations للحصول على sample_images.
أين يمكنني العثور على ملف YAML لمجموعة بيانات COCO8-Pose وكيف يمكنني استخدامه؟
يمكن العثور على ملف YAML الخاص بمجموعة بيانات COCO8-Pose في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml. يحدد هذا الملف تكوين مجموعة البيانات، بما في ذلك المسارات والفئات والمعلومات الأخرى ذات الصلة. استخدم هذا الملف مع نصوص تدريب YOLO11 كما هو مذكور في قسم مثال التدريب.
لمزيد من الأسئلة الشائعة والوثائق التفصيلية، قم بزيارة وثائق Ultralytics.
