İçeriğe geç

COCO8-Pose Veri Kümesi

Giriş

Ultralytics COCO8-Pose, COCO train 2017 setinin ilk 8 görüntüsünden oluşan küçük ama çok yönlü bir poz algılama veri kümesidir; 4'ü eğitim ve 4'ü doğrulama içindir. Bu veri kümesi, nesne algılama modellerini test etmek ve hatalarını ayıklamak veya yeni algılama yaklaşımlarını denemek için idealdir. 8 görüntü ile kolayca yönetilebilecek kadar küçüktür, ancak daha büyük veri kümelerini eğitmeden önce hatalara yönelik eğitim ardışık düzenlerini test etmek ve bir akıl sağlığı kontrolü görevi görmek için yeterince çeşitlidir.

Bu veri kümesi, Ultralytics HUB ve YOLO11 ile kullanılmak üzere tasarlanmıştır.

Veri Seti YAML

Bir YAML (Yet Another Markup Language) dosyası, veri kümesi yapılandırmasını tanımlamak için kullanılır. Veri kümesinin yolları, sınıfları ve diğer ilgili bilgiler hakkında bilgi içerir. COCO8-Pose veri kümesi söz konusu olduğunda, coco8-pose.yaml dosyası şu adreste tutulur: 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

Kullanım

640 görüntü boyutuyla 100 epoch için COCO8-Pose veri kümesinde bir YOLO11n-pose modeli eğitmek için aşağıdaki kod parçacıklarını kullanabilirsiniz. Mevcut argümanların kapsamlı bir listesi için model Eğitim sayfasına bakın.

Eğitim Örneği

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

Örnek Görüntüler ve Açıklamalar

İşte COCO8-Pose veri kümesinden bazı resim örnekleri ve bunlara karşılık gelen açıklamalar:

Veri kümesi örnek görüntüsü

  • Mozaiklenmiş Görüntü: Bu görüntü, mozaiklenmiş veri seti görüntülerinden oluşan bir eğitim grubunu göstermektedir. Mozaikleme, her eğitim grubundaki nesnelerin ve sahnelerin çeşitliliğini artırmak için birden çok görüntüyü tek bir görüntüde birleştiren eğitim sırasında kullanılan bir tekniktir. Bu, modelin farklı nesne boyutlarına, en boy oranlarına ve bağlamlara genelleme yeteneğini geliştirmeye yardımcı olur.

Örnek, COCO8-Pose veri setindeki görüntülerin çeşitliliğini ve karmaşıklığını ve eğitim sürecinde mozaiklemenin faydalarını sergilemektedir.

Alıntılar ve Teşekkürler

Araştırma veya geliştirme çalışmalarınızda COCO veri setini kullanırsanız, lütfen aşağıdaki makaleye atıfta bulunun:

@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}
}

Bilgisayarla görü topluluğu için bu değerli kaynağı oluşturdukları ve sürdürdükleri için COCO Konsorsiyumu'na teşekkür etmek isteriz. COCO veri kümesi ve yaratıcıları hakkında daha fazla bilgi için COCO veri kümesi web sitesini ziyaret edin.

SSS

COCO8-Pose veri seti nedir ve Ultralytics YOLO11 ile nasıl kullanılır?

COCO8-Pose veri kümesi, COCO train 2017 setinden ilk 8 görüntüyü içeren küçük, çok yönlü bir poz algılama veri kümesidir; 4 görüntü eğitim ve 4 görüntü doğrulama için kullanılır. Nesne algılama modellerini test etmek ve hata ayıklamak ve yeni algılama yaklaşımlarını denemek için tasarlanmıştır. Bu veri kümesi, Ultralytics YOLO11 ile hızlı deneyler yapmak için idealdir. Veri kümesi yapılandırması hakkında daha fazla bilgi için veri kümesi YAML dosyasına bakın.

Ultralytics'te COCO8-Pose veri kümesini kullanarak bir YOLO11 modeli nasıl eğitirim?

640 görüntü boyutuyla 100 epoch için COCO8-Pose veri kümesinde bir YOLO11n-pose modeli eğitmek için şu örnekleri izleyin:

Eğitim Örneği

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

Eğitim argümanlarının kapsamlı bir listesi için model Eğitim sayfasına bakın.

COCO8-Pose veri kümesini kullanmanın faydaları nelerdir?

COCO8-Pose veri seti çeşitli avantajlar sunar:

  • Kompakt Boyut: Yalnızca 8 resimle, yönetimi kolaydır ve hızlı deneyler için mükemmeldir.
  • Çeşitli Veriler: Küçük boyutuna rağmen, kapsamlı ardışık düzen testi için yararlı olan çeşitli sahneler içerir.
  • Hata Ayıklama: Eğitim hatalarını belirlemek ve daha büyük veri kümelerine ölçeklendirmeden önce akıl sağlığı kontrolleri yapmak için idealdir.

Özellikleri ve kullanımı hakkında daha fazla bilgi için Veri Kümesi Tanıtımı bölümüne bakın.

COCO8-Pose veri kümesini kullanarak mozaiklemenin YOLO11 eğitim sürecine faydası nedir?

COCO8-Pose veri kümesinin sample_images'ında gösterilen mozaikleme, birden fazla görüntüyü tek bir görüntüde birleştirerek her eğitim grubundaki nesne ve sahne çeşitliliğini artırır. Bu teknik, modelin çeşitli nesne boyutları, en boy oranları ve bağlamlarda genelleme yeteneğini geliştirmeye yardımcı olarak sonuçta model performansını artırır. Örnek görüntüler için Sample Images and Annotations bölümüne bakın.

COCO8-Pose veri kümesi YAML dosyasını nerede bulabilirim ve nasıl kullanırım?

COCO8-Pose veri kümesi YAML dosyası şu adreste bulunabilir: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco8-pose.yaml. Bu dosya, yollar, sınıflar ve diğer ilgili bilgiler dahil olmak üzere veri kümesi yapılandırmasını tanımlar. Bu dosyayı, Eğitim Örneği bölümünde belirtildiği gibi YOLO11 eğitim komut dosyalarıyla kullanın.

Daha fazla SSS ve ayrıntılı dokümantasyon için Ultralytics Dokümantasyonunu ziyaret edin.



📅 1 yıl önce oluşturuldu ✏️ 3 ay önce güncellendi

Yorumlar