مجموعة بيانات DOTA8

مقدمة

Ultralytics DOTA8 عبارة عن مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات للكشف عن الأجسام، وتتكون من أول 8 صور من أصل 8 صور من مجموعة DOTAv1 المقسمة، 4 للتدريب و4 للتحقق من الصحة. تُعد مجموعة البيانات هذه مثالية لاختبار نماذج اكتشاف الأجسام وتصحيحها، أو لتجربة مناهج اكتشاف جديدة. مع وجود 8 صور، فهي صغيرة بما يكفي لسهولة إدارتها، لكنها متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثًا عن الأخطاء والعمل بمثابة فحص للعقل قبل تدريب مجموعات بيانات أكبر.

مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics HUB و. YOLO11.

مجموعة البيانات YAML

يُستخدم ملف YAML (لغة ترميز أخرى) لتعريف تكوين مجموعة البيانات. وهو يحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها والمعلومات الأخرى ذات الصلة. في حالة مجموعة بيانات DOTA8، فإن ملف dota8.yaml يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota8.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 license
# DOTA8 dataset 8 images from split DOTAv1 dataset 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 (1MB)

# 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: ../datasets/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

الاستخدام

لتدريب نموذج YOLO11n-obb على مجموعة بيانات DOTA8 لـ 100 حقبة زمنية بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-obb.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolo11n-obb.pt epochs=100 imgsz=640

عينة من الصور والتعليقات التوضيحية

فيما يلي بعض الأمثلة على صور من مجموعة بيانات DOTA8، إلى جانب التعليقات التوضيحية المقابلة لها:

• صورة فسيفساء: توضح هذه الصورة دفعة تدريب مكونة من صور مجموعة بيانات موزاييك. الفسيفساء هي تقنية تُستخدم أثناء التدريب تدمج صورًا متعددة في صورة واحدة لزيادة تنوع الأجسام والمشاهد داخل كل دفعة تدريب. يساعد ذلك في تحسين قدرة النموذج على التعميم على أحجام الأجسام المختلفة ونسب أبعادها وسياقاتها.

يعرض المثال تنوع وتعقيد الصور في مجموعة بيانات DOTA8 وفوائد استخدام الفسيفساء أثناء عملية التدريب.

الاستشهادات والشكر والتقدير

إذا كنت تستخدم مجموعة بيانات DOTA في عملك البحثي أو التطويري، يُرجى 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}
}

ملاحظة خاصة بالامتنان للفريق القائم على مجموعات بيانات DOTA على جهودهم الجديرة بالثناء في تنسيق مجموعة البيانات هذه. للاطلاع على فهم شامل لمجموعة البيانات وفروقها الدقيقة، يُرجى زيارة الموقع الرسمي DOTA.

الأسئلة الشائعة

ما هي مجموعة بيانات DOTA8 وكيف يمكن استخدامها؟

مجموعة بيانات DOTA8 عبارة عن مجموعة بيانات صغيرة ومتعددة الاستخدامات للكشف عن الأجسام، وهي عبارة عن أول 8 صور من مجموعة بيانات DOTAv1 المقسمة، مع تخصيص 4 صور للتدريب و4 للتحقق من صحة الصور. وهي مثالية لاختبار وتصحيح نماذج اكتشاف الأجسام مثل Ultralytics YOLO11 . نظرًا لحجمها وتنوعها الذي يمكن التحكم فيه، فهي تساعد في تحديد أخطاء خط الأنابيب وإجراء فحوصات التعقل قبل نشر مجموعات بيانات أكبر. تعرف على المزيد حول اكتشاف الكائنات باستخدام Ultralytics YOLO11.

كيف يمكنني تدريب نموذج YOLO11 باستخدام مجموعة بيانات DOTA8؟

لتدريب نموذج YOLO11n-obb على مجموعة بيانات DOTA8 لـ 100 حقبة زمنية بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للاطلاع على خيارات الوسيطة الشاملة، راجع صفحة تدريب النموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-obb.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolo11n-obb.pt epochs=100 imgsz=640

ما هي الميزات الرئيسية لمجموعة بيانات DOTA وأين يمكنني الوصول إلى ملف YAML؟

تُعرف مجموعة بيانات DOTA بمعيارها الكبير والتحديات التي تمثلها للكشف عن الأجسام في الصور الجوية. مجموعة بيانات DOTA8 الفرعية هي مجموعة بيانات أصغر حجمًا ويمكن التحكم فيها وهي مثالية للاختبارات الأولية. يمكنك الوصول إلى dota8.yaml الذي يحتوي على المسارات والفئات وتفاصيل التكوين، في هذا الملف رابط GitHub.

كيف يعزز الفسيفساء تدريب النموذج باستخدام مجموعة بيانات DOTA8؟

يدمج الفسيفساء صورًا متعددة في صورة واحدة أثناء التدريب، مما يزيد من تنوع الكائنات والسياقات داخل كل دفعة. يعمل ذلك على تحسين قدرة النموذج على التعميم على مختلف أحجام الأجسام ونسب الأبعاد والمشاهد. يمكن توضيح هذه التقنية بصريًا من خلال مجموعة تدريب مكونة من صور مجموعة بيانات DOTA8 الموزعة بالفسيفساء، مما يساعد في تطوير نموذج قوي. استكشف المزيد حول تقنيات الفسيفساء والتدريب على صفحة التدريب الخاصة بنا.

لماذا يجب أن أستخدم Ultralytics YOLO11 لمهام الكشف عن الأجسام؟

Ultralytics YOLO11 أحدث إمكانات الكشف عن الأجسام في الوقت الحقيقي، بما في ذلك ميزات مثل المربعات المحدودة الموجهة (OBB)، وتجزئة النماذج، وخط أنابيب تدريب متعدد الاستخدامات. وهي مناسبة لمختلف التطبيقات وتوفر نماذج مُدربة مسبقًا لضبطها بكفاءة. استكشف المزيد حول المزايا والاستخدام في وثائقUltralytics YOLO11 .

📅 تم الإنشاء منذ 11 شهرًا ✏️ تم التحديث منذ 2 أشهر

التعليقات