Link to this sectionمجموعة بيانات DOTA8#

Link to this sectionمقدمة#

تعد Ultralytics DOTA8 مجموعة بيانات صغيرة ومتعددة الاستخدامات للكشف الموجه عن الأجسام، وتتكون من أول 8 صور من مجموعة DOTAv1 المقسمة، منها 4 للتدريب و4 للتحقق من الصحة. تعتبر مجموعة البيانات هذه مثالية لاختبار وتصحيح نماذج الكشف عن الأجسام، أو لتجربة أساليب كشف جديدة. وبفضل احتوائها على 8 صور، فهي صغيرة بما يكفي لتكون سهلة الإدارة، ومع ذلك فهي متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثاً عن أخطاء وتعمل كفحص أولي قبل تدريب مجموعات بيانات أكبر.

Link to this sectionهيكل مجموعة البيانات#

• الصور: 8 بلاطات جوية (4 للتدريب، 4 للتحقق) مصدرها DOTAv1.

• الفئات: ترث 15 فئة من DOTAv1 مثل الطائرة والسفينة والمركبات الكبيرة.

• التصنيفات: صناديق إحاطة موجهة بتنسيق YOLO محفوظة كملفات .txt بجانب كل صورة.

• التخطيط الموصى به:

  datasets/dota8/
  ├── images/
  │   ├── train/
  │   └── val/
  └── labels/
      ├── train/
      └── val/

مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics Platform و YOLO26.

Link to this sectionYAML مجموعة البيانات#

يتم استخدام ملف YAML (لغة توصيف 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.zip

Link to this sectionالاستخدام#

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)

Link to this sectionصور وشروحات توضيحية عينة#

إليك بعض الأمثلة لصور من مجموعة بيانات DOTA8، بالإضافة إلى توضيحاتها المقابلة:

• صورة مجمعة (Mosaiced Image): توضح هذه الصورة دفعة تدريب تتكون من صور مجموعة بيانات مجمعة. الفسيفساء (Mosaicing) هي تقنية تُستخدم أثناء التدريب تدمج صورًا متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد داخل كل دفعة تدريب. يساعد هذا في تحسين قدرة النموذج على التعميم على أحجام كائنات ونسب عرض إلى ارتفاع وسياقات مختلفة.

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

Link to this sectionالاقتباسات والشكر#

إذا كنت تستخدم مجموعة بيانات DOTA في بحثك أو عملك التطويري، يرجى 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}
}

شكر خاص 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 DOTA8 وكيف يمكن استخدامها؟#

مجموعة بيانات DOTA8 هي مجموعة بيانات صغيرة ومتعددة الاستخدامات للكشف الموجه عن الأجسام تتكون من أول 8 صور من مجموعة DOTAv1 المقسمة، مع تخصيص 4 صور للتدريب و4 للتحقق من الصحة. إنها مثالية لاختبار وتصحيح نماذج الكشف عن الأجسام مثل Ultralytics YOLO26. نظراً لحجمها الذي يمكن إدارته وتنوعها، فهي تساعد في تحديد أخطاء خط أنابيب التدريب وإجراء فحوصات السلامة قبل نشر مجموعات بيانات أكبر. تعرف على المزيد حول الكشف عن الأجسام باستخدام Ultralytics YOLO26.

Link to this sectionكيف 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)

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 تقدمها للكشف عن الأجسام في الصور الجوية. مجموعة DOTA8 الفرعية هي مجموعة بيانات أصغر ويمكن إدارتها ومثالية للاختبارات الأولية. يمكنك الوصول إلى ملف dota8.yaml الذي يحتوي على المسارات والفئات وتفاصيل التكوين، عبر رابط GitHub هذا.

Link to this sectionكيف 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 الأجسام والسياقات داخل كل دفعة. هذا يحسن قدرة النموذج على التعميم لأحجام الأجسام ونسب العرض إلى الارتفاع والمشاهد المختلفة. يمكن توضيح هذه التقنية بصرياً من خلال دفعة تدريب تتكون من صور مجموعة بيانات DOTA8 المجمعة بنظام الفسيفساء، 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 الكشف عن الأجسام؟#

يوفر Ultralytics YOLO26 قدرات كشف عن الأجسام في الوقت الفعلي على أحدث مستوى، بما في ذلك ميزات مثل صناديق الإحاطة الموجهة (OBB)، وتجزئة الأجزاء، وخط أنابيب تدريب متعدد الاستخدامات للغاية. إنه مناسب لمختلف التطبيقات ويوفر نماذج مدربة مسبقاً لضبط دقيق وفعال. استكشف المزيد حول المزايا والاستخدام في وثائق Ultralytics YOLO26.