نظرة عامة على مجموعات بيانات الصندوق المحدد الموجه (OBB)

يتطلب تدريب نموذج دقيق للكشف عن الأجسام باستخدام المربعات المحدودة الموجهة (OBB) مجموعة بيانات شاملة. يشرح هذا الدليل تنسيقات مجموعة بيانات OBB المختلفة المتوافقة مع نماذج Ultralytics YOLO ، ويقدم نظرة ثاقبة على هيكلها وتطبيقها وطرق تحويل التنسيق.

تنسيقات مجموعة بيانات OBB المعتمدة

YOLO تنسيق OBB

يعيّن تنسيق YOLO OBB المربعات المحدودة بنقاط زواياها الأربع بإحداثيات طبيعية بين 0 و1. ويتبع هذا التنسيق:

class_index x1 y1 x2 y2 x3 y3 x4 y4

داخليًا، YOLO يعالج الخسائر والمخرجات في xywhr الذي يمثل تنسيق الصندوق المحيطنقطة المركز (xy) والعرض والارتفاع والدوران.

مثال على *.txt ملف التسمية للصورة أعلاه، والذي يحتوي على كائن من الفئة 0 بصيغة OBB، يمكن أن تبدو مثل:

0 0.780811 0.743961 0.782371 0.74686 0.777691 0.752174 0.776131 0.749758

الاستخدام

لتدريب نموذج باستخدام تنسيقات OBB هذه:

from ultralytics import YOLO

# Create a new YOLO11n-OBB model from scratch
model = YOLO("yolo11n-obb.yaml")

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

# Train a new YOLO11n-OBB model on the DOTAv1 dataset
yolo obb train data=DOTAv1.yaml model=yolo11n-obb.pt epochs=100 imgsz=1024

مجموعات البيانات المدعومة

في الوقت الحالي، يتم دعم مجموعات البيانات التالية ذات المربعات المحدودة الموجهة:

• DOTA-v1: الإصدار الأول من مجموعة بيانات DOTA، التي توفر مجموعة شاملة من الصور الجوية مع مربعات محددة موجهة لاكتشاف الأجسام.
• DOTA-v1.5: نسخة وسيطة من مجموعة بيانات DOTA، تقدم شروحًا إضافية وتحسينات على DOTA-v1 لتحسين مهام اكتشاف الأجسام.
• DOTA-v2: يركز الإصدار 2 من DOTA (مجموعة بيانات واسعة النطاق لاكتشاف الأجسام في الصور الجوية) على الاكتشاف من المناظير الجوية ويحتوي على مربعات محددة موجهة مع 1.7 مليون حالة و11,268 صورة.
• DOTA8: مجموعة فرعية صغيرة مكونة من 8 صور من مجموعة بيانات DOTA الكاملة المناسبة لاختبار سير العمل وفحوصات التكامل المستمر (CI) لتدريب OBB في ultralytics المستودع.

تضمين مجموعة بيانات OBB الخاصة بك

بالنسبة لأولئك الذين يتطلعون إلى تقديم مجموعات البيانات الخاصة بهم مع مربعات الربط الموجهة، تأكد من التوافق مع "YOLO OBB التنسيق المذكور أعلاه. حوِّل شروحك إلى هذه الصيغة المطلوبة وفصِّل المسارات والفئات وأسماء الفئات في ملف تكوين YAML المطابق.

تحويل تنسيقات الملصقات

تنسيق مجموعة بيانات DOTA إلى تنسيق YOLO OBB

يمكن تحويل 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")

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

من الضروري التحقق من توافق مجموعة البيانات مع النموذج الخاص بك والالتزام باصطلاحات التنسيق اللازمة. تُعد مجموعات البيانات المنظمة بشكل صحيح أمرًا محوريًا لتدريب نماذج فعالة للكشف عن الكائنات مع مربعات تحديد موجهة.

الأسئلة الشائعة

ما هي الصناديق المحدودة الموجهة (OBB) وكيف يتم استخدامها في نماذج Ultralytics YOLO ؟

المربعات المحدودة الموجهة (OBB) هي نوع من التعليقات التوضيحية للمربعات المحدودة حيث يمكن تدوير المربع لمحاذاة الجسم الذي يتم اكتشافه بشكل أقرب، بدلاً من محاذاة المحور فقط. يعد هذا مفيدًا بشكل خاص في الصور الجوية أو صور الأقمار الصناعية حيث قد لا تكون الأجسام محاذية لمحاور الصورة. في نماذجYOLO Ultralytics ، يتم تمثيل الأجسام ذات الزوايا الأربع بنقاط زواياها الأربع في تنسيق YOLO OBB. يسمح ذلك باكتشاف أكثر دقة للأجسام حيث يمكن تدوير المربعات المحدودة لتناسب الأجسام بشكل أفضل.

كيف يمكنني تحويل تسميات مجموعة بيانات DOTA الحالية إلى تنسيق YOLO OBB للاستخدام مع Ultralytics YOLO11 ؟

يمكنك تحويل تسميات مجموعات بيانات DOTA إلى تنسيق YOLO OBB باستخدام convert_dota_to_yolo_obb الدالة من Ultralytics. يضمن هذا التحويل التوافق مع نماذج Ultralytics YOLO ، مما يتيح لك الاستفادة من إمكانيات OBB لتحسين اكتشاف الكائنات. إليك مثال سريع:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

سيعيد هذا البرنامج النصي تهيئة شروح DOTA الخاصة بك إلى تنسيق متوافق مع YOLO.

كيف يمكنني تدريب نموذج YOLO11 باستخدام الصناديق المحدودة الموجهة (OBB) على مجموعة البيانات الخاصة بي؟

يتضمن تدريب نموذج YOLO11 باستخدام OBBs التأكد من أن مجموعة البيانات الخاصة بك بتنسيق YOLO OBB ثم استخدام واجهة برمجة التطبيقات Ultralytics لتدريب النموذج. إليك مثال في كل من Python و CLI:

from ultralytics import YOLO

# Create a new YOLO11n-OBB model from scratch
model = YOLO("yolo11n-obb.yaml")

# Train the model on the custom dataset
results = model.train(data="your_dataset.yaml", epochs=100, imgsz=640)

# Train a new YOLO11n-OBB model on the custom dataset
yolo obb train data=your_dataset.yaml model=yolo11n-obb.yaml epochs=100 imgsz=640

يضمن ذلك استفادة نموذجك من شروح OBB التفصيلية لتحسين دقة الكشف.

ما هي مجموعات البيانات المدعومة حاليًا لتدريب OBB في نماذج Ultralytics YOLO ؟

يدعم Ultralytics حاليًا مجموعات البيانات التالية لتدريب OBB:

• DOTA-v1: الإصدار الأول من مجموعة بيانات DOTA، التي توفر مجموعة شاملة من الصور الجوية مع مربعات محددة موجهة لاكتشاف الأجسام.
• DOTA-v1.5: نسخة وسيطة من مجموعة بيانات DOTA، تقدم شروحًا إضافية وتحسينات على DOTA-v1 لتحسين مهام اكتشاف الأجسام.
• DOTA-v2: تشتمل مجموعة البيانات هذه على 1.7 مليون حالة مع مربعات محددة موجهة و11,268 صورة، مع التركيز بشكل أساسي على اكتشاف الأجسام الجوية.
• DOTA8: مجموعة فرعية أصغر حجمًا مكونة من 8 صور من مجموعة بيانات DOTA تُستخدم للاختبار والتحقق من التكامل المستمر (CI).

صُممت مجموعات البيانات هذه لسيناريوهات توفر فيها ثنائيات الفينيل متعددة البروم ميزة كبيرة، مثل تحليل الصور الجوية وصور الأقمار الصناعية.

هل يمكنني استخدام مجموعة البيانات الخاصة بي مع المربعات المحدودة الموجهة للتدريب YOLO11 ، وإذا كان الأمر كذلك، كيف؟

نعم، يمكنك استخدام مجموعة البيانات الخاصة بك مع المربعات المحدودة الموجهة للتدريب YOLO11 . تأكد من تحويل شروح مجموعة البيانات الخاصة بك إلى تنسيق YOLO OBB، والذي يتضمن تحديد المربعات المحدودة بنقاط الزوايا الأربع الخاصة بها. يمكنك بعد ذلك إنشاء ملف تكوين YAML يحدد مسارات مجموعة البيانات والفئات والتفاصيل الضرورية الأخرى. لمزيد من المعلومات حول إنشاء مجموعات البيانات وتكوينها، راجع قسم مجموعات البيانات المدعومة.

📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 2 شهر

التعليقات