Link to this sectionمجموعة بيانات DOTA128#

Link to this sectionمقدمة#

تعد Ultralytics DOTA128 مجموعة بيانات صغيرة ومتعددة الاستخدامات لـ كشف الكائنات الموجه، وتتكون من 128 صورة من مجموعة DOTAv1، 128 للتدريب والتحقق. تعد مجموعة البيانات هذه مثالية لاختبار وتصحيح نماذج مربع الإحاطة الموجه (OBB)، أو لتجربة أساليب كشف جديدة. وبفضل احتوائها على 128 صورة، فهي صغيرة بما يكفي لتكون قابلة للإدارة بسهولة، ومع ذلك فهي متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثاً عن الأخطاء والعمل كفحص منطقي قبل تدريب مجموعات بيانات أكبر.

Link to this sectionهيكل مجموعة البيانات#

• الصور: 128 بلاطة جوية (كلها في مجلد التدريب، وتستخدم لكل من التدريب والتحقق) مستمدة من DOTAv1.
• الفئات: ترث الـ 15 فئة الخاصة بـ DOTAv1 مثل الطائرات، والسفن، والمركبات الكبيرة.
• التسميات: صناديق إحاطة موجهة بتنسيق YOLO محفوظة كملفات .txt بجانب كل صورة.

تم تصميم مجموعة البيانات هذه للاستخدام مع منصة Ultralytics و YOLO26.

Link to this sectionملف YAML الخاص بمجموعة البيانات#

يتم استخدام ملف YAML (Yet Another Markup Language) لتحديد تكوين مجموعة البيانات. وهو يحتوي على معلومات حول مسارات مجموعة البيانات، والفئات، وغيرها من المعلومات ذات الصلة. في حالة مجموعة بيانات DOTA128، يتم الاحتفاظ بملف dota128.yaml على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota128.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

Link to this sectionالاستخدام#

لتدريب نموذج YOLO26n-obb على مجموعة بيانات DOTA128 لمدة 100 حقبة بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى صفحة التدريب الخاصة بالنموذج.

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)

Link to this sectionصور وعينات تعليقات توضيحية#

فيما يلي بعض الأمثلة على الصور من مجموعة بيانات DOTA128، جنباً إلى جنب مع التعليقات التوضيحية المقابلة لها:

• صورة فسيفسائية: توضح هذه الصورة دفعة تدريب تتكون من صور مجموعة بيانات فسيفسائية. التفسيفس هو تقنية تُستخدم أثناء التدريب تجمع بين صور متعددة في صورة واحدة لزيادة تنوع الأشياء والمشاهد داخل كل دفعة تدريب. يساعد هذا في تحسين قدرة النموذج على التعميم عبر أحجام أشياء ونسب عرض إلى ارتفاع وسياقات مختلفة.

يعرض المثال تنوع وتعقيد الصور في مجموعة بيانات DOTA128 وفوائد استخدام الفسيفساء (mosaicing) أثناء عملية التدريب.

Link to this sectionالاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات DOTA في بحثك أو عملك التطويري، فيرجى الاستشهاد بالورقة البحثية 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}
}

ملاحظة شكر خاصة للفريق الذي يقف وراء مجموعات بيانات DOTA على جهودهم الجديرة بالثناء في تنظيم هذه المجموعة. للحصول على فهم شامل لمجموعة البيانات وفروقها الدقيقة، يرجى زيارة موقع DOTA الرسمي.

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي مجموعة بيانات DOTA128 وكيف يمكن استخدامها؟#

مجموعة بيانات DOTA128 هي مجموعة بيانات متنوعة لكشف الكائنات الموجهة تتكون من 128 صورة من مجموعة DOTAv1، وكلها مخزنة في مجلد التدريب. يستخدم كل من التدريب والتحقق نفس مجموعة الصور، مما يجعلها مثالية لسير عمل الاختبار وتصحيح الأخطاء السريع. إنها مثالية لاختبار وتصحيح نماذج OBB مثل Ultralytics YOLO26. نظراً لحجمها القابل للإدارة وتنوعها، فهي تساعد في تحديد أخطاء خط الأنابيب وإجراء فحوصات منطقية قبل نشر مجموعات بيانات أكبر. تعرف على المزيد حول كشف OBB مع Ultralytics YOLO26.

Link to this sectionكيف يمكنني تدريب نموذج YOLO26 باستخدام مجموعة بيانات DOTA128؟#

لتدريب نموذج YOLO26n-obb على مجموعة بيانات DOTA128 لمدة 100 حقبة بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على خيارات وسيطات شاملة، ارجع إلى صفحة التدريب الخاصة بالنموذج.

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)

Link to this sectionما هي الميزات الرئيسية لمجموعة بيانات DOTA وأين يمكنني الوصول إلى ملف YAML؟#

تشتهر مجموعة بيانات DOTA بمعيارها واسع النطاق والتحديات التي تطرحها لكشف الكائنات في الصور الجوية. توفر مجموعة DOTA128 الفرعية تنوعاً أكبر من DOTA8 مع بقائها قابلة للإدارة للاختبارات الأولية. يمكنك الوصول إلى ملف dota128.yaml، الذي يحتوي على المسارات والفئات وتفاصيل التكوين، عبر رابط GitHub هذا.

Link to this sectionكيف تقارن DOTA128 بمتغيرات مجموعة بيانات DOTA الأخرى؟#

تقع DOTA128 (128 صورة) بين DOTA8 (8 صور) ومجموعة بيانات DOTA-v1 الكاملة (1869 صورة) من حيث الحجم:

• DOTA8: تحتوي على 8 صور فقط (4 للتدريب، 4 للتحقق) - مثالية للاختبارات السريعة وتصحيح الأخطاء
• DOTA128: تحتوي على 128 صورة (كلها في مجلد التدريب، وتستخدم لكل من التدريب والتحقق) - متوازنة بين الحجم والتنوع
• DOTA-v1 الكاملة: تحتوي على 1869 صورة - شاملة ولكنها تستهلك الكثير من الموارد

توفر DOTA128 أرضية وسطى جيدة، حيث توفر تنوعاً أكبر من DOTA8 بينما تظل أكثر قابلية للإدارة بكثير من مجموعة بيانات DOTA الكاملة للتجريب وتطوير النموذج الأولي.

Link to this sectionكيف تعمل الفسيفساء (mosaicing) على تعزيز تدريب النموذج باستخدام مجموعة بيانات DOTA128؟#

تجمع الفسيفساء بين صور متعددة في صورة واحدة أثناء التدريب، مما يزيد من تنوع الكائنات والسياقات داخل كل دفعة. هذا يحسن قدرة النموذج على التعميم لأحجام الكائنات ونسب العرض إلى الارتفاع والمشاهد المختلفة. يمكن إثبات هذه التقنية بصرياً من خلال دفعة تدريب مكونة من صور مجموعة بيانات DOTA128 المفسفسة، مما يساعد في تطوير نموذج قوي. استكشف المزيد حول الفسيفساء وتقنيات التدريب على صفحة التدريب الخاصة بنا.

Link to this sectionلماذا يجب أن أستخدم Ultralytics YOLO26 لمهام كشف الكائنات الموجهة؟#

يوفر Ultralytics YOLO26 قدرات متطورة لاكتشاف الكائنات في الوقت الفعلي، بما في ذلك ميزات مثل صناديق الإحاطة الموجهة (OBB)، وتجزئة المثيلات، وخط أنابيب تدريب متعدد الاستخدامات للغاية. إنه مناسب لتطبيقات متنوعة ويوفر نماذج مدربة مسبقاً من أجل ضبط دقيق وفعال. استكشف المزيد حول المزايا والاستخدام في وثائق Ultralytics YOLO26.