مجموعة بيانات DOTA8
مقدمة
تعد Ultralytics DOTA8 مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات لـ اكتشاف الكائنات الموجهة، وتتكون من أول 8 صور من مجموعة DOTAv1 المقسمة، حيث تم تخصيص 4 للتدريب و 4 للتحقق من الصحة. تعتبر مجموعة البيانات هذه مثالية لاختبار وتصحيح نماذج اكتشاف الكائنات، أو لتجربة نهج اكتشاف جديدة. مع 8 صور فقط، فهي صغيرة بما يكفي لتكون سهلة الإدارة، ومتنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثاً عن الأخطاء والعمل كفحص سلامة قبل تدريب مجموعات بيانات أكبر.
هيكل مجموعة البيانات
-
الصور: 8 بلاطات جوية (4 للتدريب، 4 للتحقق) مستمدة من DOTAv1.
-
الفئات: ترث الـ 15 فئة الخاصة بـ DOTAv1 مثل الطائرات، والسفن، والمركبات الكبيرة.
-
التسميات: صناديق إحاطة موجهة بتنسيق YOLO محفوظة كملفات
.txtبجانب كل صورة. -
التخطيط الموصى به:
datasets/dota8/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/
تم تصميم مجموعة البيانات هذه للاستخدام مع منصة Ultralytics و YOLO26.
ملف YAML الخاص بمجموعة البيانات
يتم استخدام ملف YAML (لغة توصيفية أخرى) لتعريف تكوين مجموعة البيانات. يحتوي على معلومات حول مسارات مجموعة البيانات، والفئات، ومعلومات أخرى ذات صلة. في حالة مجموعة بيانات DOTA8، يتم الاحتفاظ بملف dota8.yaml على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota8.yaml.
# 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.zipالاستخدام
لتدريب نموذج YOLO26n-obb على مجموعة بيانات DOTA8 لمدة 100 حقبة بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع 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="dota8.yaml", epochs=100, imgsz=640)صور وعينات تعليقات توضيحية
فيما يلي بعض الأمثلة لصور من مجموعة بيانات DOTA8، بالإضافة إلى 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 DOTA8 وفوائد استخدام الفسيفساء (mosaicing) أثناء عملية التدريب.
الاقتباسات 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.
الأسئلة الشائعة
ما هي مجموعة بيانات DOTA8 وكيف يمكن استخدامها؟
مجموعة بيانات DOTA8 هي مجموعة بيانات صغيرة ومتعددة الاستخدامات لاكتشاف الكائنات الموجهة، وتتكون من أول 8 صور من مجموعة DOTAv1 المقسمة، مع تخصيص 4 صور للتدريب و 4 للتحقق. إنها مثالية لاختبار وتصحيح نماذج اكتشاف الكائنات مثل Ultralytics YOLO26. نظراً لحجمها القابل للإدارة وتنوعها، فهي تساعد في تحديد أخطاء خط الأنابيب وإجراء فحوصات السلامة قبل نشر مجموعات بيانات أكبر. تعرف على المزيد حول اكتشاف الكائنات باستخدام Ultralytics YOLO26.
كيف يمكنني تدريب نموذج YOLO26 باستخدام مجموعة بيانات DOTA8؟
لتدريب نموذج YOLO26n-obb على مجموعة بيانات DOTA8 لمدة 100 حقبة بحجم صورة 640، يمكنك استخدام مقتطفات الكود التالية. للحصول على خيارات وسائط شاملة، راجع 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="dota8.yaml", epochs=100, imgsz=640)ما هي الميزات الرئيسية لمجموعة بيانات DOTA وأين يمكنني الوصول إلى ملف YAML؟
تشتهر مجموعة بيانات DOTA بمعيارها واسع النطاق والتحديات التي تقدمها لاكتشاف الكائنات في الصور الجوية. مجموعة DOTA8 الفرعية هي مجموعة بيانات أصغر وأكثر قابلية للإدارة ومثالية للاختبارات الأولية. يمكنك الوصول إلى ملف dota8.yaml الذي يحتوي على المسارات، والفئات، وتفاصيل التكوين، عبر رابط GitHub هذا.
كيف تعمل الفسيفساء (mosaicing) على تعزيز تدريب النماذج باستخدام مجموعة بيانات DOTA8؟
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 عبر أحجام كائنات مختلفة، ونسب عرض إلى ارتفاع متنوعة، ومشاهد مختلفة. يمكن توضيح هذه التقنية بصرياً من خلال دفعة تدريب مكونة من صور مجموعة بيانات DOTA8 المجمعة بنمط الفسيفساء، مما يساعد في تطوير نموذج قوي. استكشف المزيد حول تقنيات الفسيفساء والتدريب في صفحة التدريب الخاصة بنا.
لماذا يجب أن أستخدم Ultralytics YOLO26 لمهام اكتشاف الكائنات؟
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.