مجموعة بيانات DOTA128
مقدمة
Ultralytics DOTA128 هي مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات للكشف عن الكائنات ، وتتألف من 128 صورة من مجموعة DOTAv1، 128 منها للتدريب والتحقق. هذه المجموعة من البيانات مثالية لاختبار وتصحيح نماذج الصناديق المحددة (OBB)، أو لتجربة أساليب جديدة للكشف. بفضل احتوائها على 128 صورة، فهي صغيرة بما يكفي لتكون سهلة الإدارة، ولكنها متنوعة بما يكفي لاختبار خطوط التدريب بحثًا عن الأخطاء والعمل كاختبار صحة قبل تدريب مجموعات بيانات أكبر.
هيكل مجموعة البيانات
- الصور: 128 مربعًا جويًا (جميعها في مجلد القطار، وتستخدم لكل من القطار والقيمة) مصدرها DOTAv1.
- الفئات: يرث فئات DOTAv1 الـ 15 مثل الطائرة والسفينة والمركبة الكبيرة.
- التصنيفات: مربعات الإحاطة الموجهة بتنسيق YOLO المحفوظة كـ
.txtالملفات بجانب كل صورة.
مجموعة البيانات هذه مخصصة للاستخدام مع منصة Ultralytics و YOLO26.
ملف YAML لمجموعة البيانات
يستخدم ملف YAML (Yet Another Markup Language) لتعريف تكوين مجموعة البيانات. ويحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها ومعلومات أخرى ذات صلة. في حالة مجموعة بيانات DOTA128، فإن dota128.yaml يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota128.yaml.
ultralytics.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# DOTA128 dataset (128 images from the DOTAv1 split) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/obb/dota128/
# Example usage: yolo train model=yolo26n-obb.pt data=dota128.yaml
# parent
# ├── ultralytics
# └── datasets
# └── dota128 ← downloads here (34 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: dota128 # dataset root dir
train: images/train # train images (relative to 'path') 128 images
val: images/train # val images (relative to 'path') 128 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/dota128.zip
الاستخدام
لتدريبobb على مجموعة بيانات DOTA128 لمدة 100 دورة بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالحجج المتاحة، راجع صفحة تدريب النموذج.
مثال على التدريب
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-obb.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="dota128.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo obb train data=dota128.yaml model=yolo26n-obb.pt epochs=100 imgsz=640
عينات من الصور والشروحات التوضيحية
فيما يلي بعض الأمثلة على الصور من مجموعة بيانات DOTA128، إلى جانب التعليقات 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.
يوضح المثال تنوع وتعقيد الصور في مجموعة بيانات DOTA128 وفوائد استخدام الفسيفساء أثناء عملية التدريب.
الاقتباسات والإقرارات
إذا كنت تستخدم مجموعة بيانات DOTA في بحثك أو عملك التطويري، فيرجى الاستشهاد بالورقة التالية:
@article{9560031,
author={Ding, Jian and Xue, Nan and Xia, Gui-Song and Bai, Xiang and Yang, Wen and Yang, Michael and Belongie, Serge and Luo, Jiebo and Datcu, Mihai and Pelillo, Marcello and Zhang, Liangpei},
journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
title={Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges},
year={2021},
volume={},
number={},
pages={1-1},
doi={10.1109/TPAMI.2021.3117983}
}
مع خالص الامتنان للفريق القائم على مجموعات بيانات DOTA لجهودهم الجديرة بالثناء في تنظيم هذه المجموعة. لفهم شامل للبيانات ودقائقها، يرجى زيارة موقع DOTA الرسمي.
الأسئلة الشائعة
ما هي مجموعة بيانات DOTA128 وكيف يمكن استخدامها؟
مجموعة بيانات DOTA128 هي مجموعة بيانات متعددة الاستخدامات مخصصة لاكتشاف الكائنات، وتتكون من 128 صورة من مجموعة DOTAv1، وجميعها مخزنة في مجلد train. يستخدم كل من التدريب والتحقق نفس مجموعة الصور، مما يجعلها مثالية للاختبار السريع وتصحيح الأخطاء في سير العمل. وهي مثالية لاختبار وتصحيح أخطاء نماذج OBB مثل Ultralytics . نظرًا لحجمها القابل للإدارة وتنوعها، فهي تساعد في تحديد أخطاء خط الأنابيب وإجراء فحوصات الصحة قبل نشر مجموعات بيانات أكبر. تعرف على المزيد حول اكتشاف OBB باستخدام Ultralytics .
كيف يمكنني تدريب نموذج YOLO26 باستخدام مجموعة بيانات DOTA128؟
لتدريبobb على مجموعة بيانات DOTA128 لمدة 100 دورة بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على خيارات شاملة للحجج، راجع صفحة تدريب النموذج.
مثال على التدريب
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n-obb.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="dota128.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo obb train data=dota128.yaml model=yolo26n-obb.pt epochs=100 imgsz=640
ما هي الميزات الرئيسية لمجموعة بيانات DOTA وأين يمكنني الوصول إلى ملف YAML؟
تشتهر مجموعة بيانات DOTA بمعاييرها المرجعية واسعة النطاق والتحديات التي تطرحها في مجال اكتشاف الأجسام في الصور الجوية. توفر المجموعة الفرعية DOTA128 تنوعًا أكبر من DOTA8 مع الحفاظ على سهولة إدارتها لإجراء الاختبارات الأولية. يمكنك الوصول إلى dota128.yaml ملف، يحتوي على المسارات والفئات وتفاصيل التكوين، في هذا رابط GitHub.
كيف يقارن DOTA128 بمتغيرات مجموعة بيانات DOTA الأخرى؟
يحتل DOTA128 (128 صورة) المرتبة بين DOTA8 (8 صور) ومجموعة بيانات DOTA-v1 الكاملة (1869 صورة) من حيث الحجم:
- DOTA8: يحتوي على 8 صور فقط (4 قطار، 4 val) - مثالي للاختبارات السريعة وتصحيح الأخطاء
- DOTA128: يحتوي على 128 صورة (جميعها في مجلد train، وتستخدم لكل من train و val) - متوازنة بين الحجم والتنوع
- DOTA-v1 الكامل: يحتوي على 1,869 صورة - شامل ولكنه يستهلك الكثير من الموارد
يوفر DOTA128 حلاً وسطًا جيدًا، حيث يقدم تنوعًا أكبر من DOTA8 مع الحفاظ على سهولة الإدارة مقارنة بمجموعة بيانات DOTA الكاملة للتجريب وتطوير النموذج الأولي.
كيف يعزز التجميع الفسيفسائي تدريب النموذج باستخدام مجموعة بيانات DOTA128؟
يجمع التجميع الفسيفسائي عدة صور في صورة واحدة أثناء التدريب، مما يزيد من تنوع الكائنات والسياقات داخل كل دفعة. وهذا يحسن قدرة النموذج على التعميم على أحجام الكائنات ونسب العرض إلى الارتفاع والمشاهد المختلفة. يمكن توضيح هذه التقنية بصريًا من خلال دفعة تدريب مكونة من صور مجموعة بيانات DOTA128 المجمعة فسيفسائيًا، مما يساعد في تطوير نموذج قوي. اكتشف المزيد عن تقنيات التجميع الفسيفسائي والتدريب على صفحة التدريب الخاصة بنا.
لماذا يجب علي استخدام Ultralytics لمهام الكشف عن الكائنات الموجهة؟
يوفر Ultralytics YOLO26 قدرات متطورة للكشف عن الكائنات في الوقت الفعلي، بما في ذلك ميزات مثل الصناديق المحيطة الموجهة (OBB)، وتجزئة الكائنات، وخط أنابيب تدريب متعدد الاستخدامات للغاية. إنه مناسب لمختلف التطبيقات ويقدم نماذج مدربة مسبقًا للضبط الدقيق الفعال. استكشف المزيد حول المزايا والاستخدام في وثائق Ultralytics YOLO26.
