نظرة عامة على مجموعات بيانات الصناديق المحيطة الموجهة (OBB)#

8

DOTA8 Multispectral

ultralytics

publicOBB

DOTA8 Multispectral contains 8 genuine 10-channel TIFF aerial images with 133 reviewed oriented bounding boxes across the canonical 15-class DOTA taxonomy. All 17 source annotations extending outside image bounds were clipped without dropping any boxes.

15 classes36 MBAug 24, 2026

planeshipstorage tankbaseball diamond+11

aerialobbremote-sensing+3

يتطلب تدريب نموذج دقيق لـ object detection باستخدام مربعات الإحاطة الموجهة (OBB) مجموعة بيانات شاملة. يشرح هذا الدليل تنسيقات بيانات OBB المختلفة المتوافقة مع نماذج Ultralytics YOLO، مما يوفر رؤى حول بنيتها وتطبيقها وطرق تحويل التنسيقات.

تنسيقات بيانات OBB المدعومة#

تنسيق YOLO OBB#

يحدد تنسيق YOLO OBB الصناديق المحيطة من خلال نقاط زواياها الأربع بإحداثيات طبيعية بين 0 و1. وهو يتبع هذا التنسيق:

class_index x1 y1 x2 y2 x3 y3 x4 y4

داخلياً، تعالج YOLO الخسائر والمخرجات بتنسيق xywhr، والذي يمثل نقطة المركز (xy) والعرض والارتفاع والدوران الخاصة بـ الإطار المحيط.

مثال على ملف تسميات *.txt للصورة أعلاه، والذي يحتوي على كائن من فئة 0 بتنسيق OBB، يمكن أن يبدو كالتالي:

0 0.780811 0.743961 0.782371 0.74686 0.777691 0.752174 0.776131 0.749758

تنسيق YAML لمجموعة البيانات#

يستخدم إطار عمل Ultralytics تنسيق ملف YAML لتحديد مجموعة البيانات وتكوين النموذج لتدريب نماذج OBB. إليك مثال على تنسيق YAML المستخدم لتحديد مجموعة بيانات OBB:

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# DOTA8 dataset (8 images from the DOTAv1 split) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/obb/dota8
# Example usage: yolo train model=yolov8n-obb.pt data=dota8.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── dota8 ← 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: dota8 # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images

# Classes for DOTA 1.0
names:
  0: plane
  1: ship
  2: storage tank
  3: baseball diamond
  4: tennis court
  5: basketball court
  6: ground track field
  7: harbor
  8: bridge
  9: large vehicle
  10: small vehicle
  11: helicopter
  12: roundabout
  13: soccer ball field
  14: swimming pool

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/dota8.zip

يقبل كل من train وval وtest دليلاً، أو قائمة أدلة، أو ملف *.txt يسرد مسار صورة واحداً لكل سطر (حيث تبدأ المسارات التي تبدأ بـ ./ كمسارات نسبية لملف *.txt). يعد ملف *.txt مفيداً للتدريب على مجموعة فرعية من دليل ما، أو تخطي الصور غير المسماة، أو دمج الصور من مصادر متعددة في مجموعة تقسيم واحدة.

path: datasets/dota8 # dataset root
train: train.txt # a directory, a list e.g. [images/a, images/b], or a *.txt file
val: val.txt
names:
  0: plane

الاستخدام#

لتدريب نموذج باستخدام تنسيقات OBB هذه:

from ultralytics import YOLO

# Create a new YOLO26n-OBB model from scratch
model = YOLO("yolo26n-obb.yaml")

# Train the model on the DOTAv1 dataset
results = model.train(data="DOTAv1.yaml", epochs=100, imgsz=1024)

مجموعات البيانات المدعومة#

حاليًا، يتم دعم مجموعات البيانات التالية التي تحتوي على صناديق محيطة موجهة:

• DOTA-v1: الإصدار الأول من مجموعة بيانات DOTA، والذي يوفر مجموعة شاملة من الصور الجوية مع مربعات إحاطة موجهة لاكتشاف الكائنات.
• DOTA-v1.5: إصدار وسيط من مجموعة بيانات DOTA، يقدم تعليقات توضيحية إضافية وتحسينات مقارنة بـ DOTA-v1 لمهام اكتشاف الكائنات المحسنة.
• DOTA-v2: الإصدار الثاني من DOTA (مجموعة بيانات واسعة النطاق لاكتشاف الكائنات في الصور الجوية)، يؤكد على الاكتشاف من منظومات جوية ويحتوي على مربعات إحاطة موجهة مع 1.7 مليون مثيل و11,268 صورة.
• DOTA8: مجموعة فرعية صغيرة مكونة من 8 صور من مجموعة بيانات DOTA الكاملة، وهي مناسبة لاختبار سير العمل وفحوصات التكامل المستمر (CI) لتدريب OBB في مستودع ultralytics.
• DOTA8 Multispectral: مجموعة فرعية مكونة من 8 صور و10 قنوات بصيغة TIFF لاختبار تدريب OBB متعدد الأطياف على منصة Ultralytics.
• DOTA128: مجموعة فرعية مكونة من 128 صورة من مجموعة بيانات DOTA مع جميع الصور في مجلد التدريب (تستخدم لكل من التدريب والتحقق)، مما يوفر توازناً جيداً بين الحجم والتنوع لاختبار نماذج OBB.

دمج مجموعة بيانات OBB الخاصة بك#

بالنسبة لأولئك الذين يتطلعون إلى تقديم مجموعات البيانات الخاصة بهم مع صناديق محيطة موجهة، تأكد من التوافق مع "تنسيق YOLO OBB" المذكور أعلاه. قم بتحويل التعليقات التوضيحية الخاصة بك إلى هذا التنسيق المطلوب وقم بتفصيل المسارات والفئات وأسماء الفئات في ملف تكوين YAML مطابق.

تحويل تنسيقات التسميات#

تنسيق مجموعة بيانات DOTA إلى تنسيق YOLO OBB#

يمكن تحقيق نقل التسميات من تنسيق مجموعة بيانات DOTA إلى تنسيق YOLO OBB باستخدام هذا البرنامج النصي:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

آلية التحويل هذه ضرورية لمجموعات البيانات بتنسيق DOTA، مما يضمن التوافق مع تنسيق Ultralytics YOLO OBB.

من الضروري التحقق من توافق مجموعة البيانات مع نموذجك والالتزام باتفاقيات التنسيق اللازمة. تعد مجموعات البيانات المهيكلة بشكل صحيح محورية لتدريب نماذج اكتشاف كائنات فعالة بصناديق محيطة موجهة.

الأسئلة الشائعة#