---
pretty_name: Logistics_AX Pallet Pose
task_categories:
- object-detection
size_categories:
- n<1K
tags:
- yolo
- pose-estimation
- labelme
- pallet
---
# Logistics_AX 팔레트 Pose 데이터셋

사진 **155장**, 학습 **124장**, 검증 **31장**, 테스트 **0장**입니다.
팔레트 클래스 1개와 키포인트 8개를 사용하며, Labelme JSON을 그대로 보관합니다.
모델: [Logistics_AX](https://huggingface.co/dl1wjd2/Logistics_AX)

## 파일 구조

```text
raw/images/              원본 사진
raw/annotations/         원본 Labelme JSON
images/train/, val/      학습·검증 사진 사본
annotations/train/, val/ 학습·검증 Labelme JSON 사본
splits.json              정확한 분할 목록
data_pose.yaml           Logistics_AX 프로젝트용 상대 경로 설정
preparation.json         생성 시각·원본 해시·분할 정보
manifest.json            이 업로드의 파일별 SHA-256
```

원본 155쌍과 분할 사본 155쌍은 같은 데이터를 두 형태로 보관한 것입니다.
서로 다른 사진이 310장이라는 뜻은 아닙니다. 분할은 개별 이미지 무작위 80:20, seed=42입니다.

## 라벨 규칙

`pallet` Rectangle/Polygon이 객체 영역이고, 아래 이름의 Point가 해당 객체의 꼭짓점입니다.
여러 팔레트는 `group_id`로 구분합니다. 점 순서는 다음과 같습니다.

0. `left_top_left`
1. `left_top_right`
2. `left_bottom_right`
3. `left_bottom_left`
4. `right_top_left`
5. `right_top_right`
6. `right_bottom_right`
7. `right_bottom_left`

안 보여서 생략한 점은 로더가 `v=0`으로 채워 좌표 손실에서 제외합니다.
표시된 점은 기본 `v=2`, `occluded=true`로 표시한 점은 `v=1`입니다.
모든 점이 생략된 팔레트도 영역 라벨은 사용합니다. `kpt_shape`는 `[8, 3]`입니다.

## 다운로드

Logistics_AX 프로젝트의 루트에서 실행합니다.

```python
from huggingface_hub import snapshot_download
snapshot_download(repo_id="dl1wjd2/Logistics_AX", repo_type="dataset", revision="v2026-10-29-155", local_dir="datasets")
```

`datasets/data_pose.yaml`을 프로젝트의 `configs/data_pose.yaml`로 복사하면 됩니다.
이 프로젝트의 JSON 로더를 사용해야 하며, 일반 YOLO TXT 로더에 직접 연결하는 형식은 아닙니다.
원본 라벨을 편집하려면 다운로드한 `datasets/raw/`를 작업용 원본으로 사용할 수 있습니다.

## 평가 범위

사진 수가 적고 유사한 배경·촬영 구도가 포함되어 있습니다. 독립적인 새 촬영분의 성능은 별도 검증해야 합니다.
이 업로드는 버전 `v2026-10-29-155`입니다.