مجموعة بيانات DOTA8

مقدمة

Ultralytics DOTA8 عبارة عن مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات للكشف عن الكائنات تتكون من أول 8 صور من 8 صور لمجموعة DOTAv1 المنقسمة ، 4 للتدريب و 4 للتحقق من الصحة. تعد مجموعة البيانات هذه مثالية لاختبار نماذج اكتشاف الكائنات وتصحيحها، أو لتجربة أساليب الكشف الجديدة. مع 8 صور ، فهي صغيرة بما يكفي لسهولة إدارتها ، ولكنها متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثا عن الأخطاء والعمل كفحص سلامة قبل تدريب مجموعات البيانات الأكبر.

مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics المحور و YOLOv8.

مجموعة البيانات YAML

يتم استخدام ملف YAML (لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. يحتوي على معلومات حول مسارات مجموعة البيانات والفئات والمعلومات الأخرى ذات الصلة. في حالة مجموعة بيانات DOTA8 ، فإن 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

استخدام

لتدريب أ YOLOv8n-obb model على مجموعة بيانات DOTA8 ل 100 حقبة بحجم صورة 640 ، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، ارجع إلى صفحة نموذج التدريب .

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-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=yolov8n-obb.pt epochs=100 imgsz=640

عينة من الصور والتعليقات التوضيحية

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

• صورة فسيفسائية: توضح هذه الصورة دفعة تدريب مكونة من صور مجموعة بيانات فسيفسائية. الفسيفساء هي تقنية تستخدم أثناء التدريب تجمع بين صور متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد داخل كل دفعة تدريب. يساعد هذا في تحسين قدرة النموذج على التعميم على أحجام الكائنات المختلفة ونسب العرض إلى الارتفاع والسياقات.

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

الاستشهادات والشكر

إذا كنت تستخدم مجموعة بيانات DOTA في أعمال البحث أو التطوير الخاصة بك ، 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}
}

ملاحظة خاصة للامتنان للفريق الذي يقف وراء مجموعات بيانات DOTA لجهودهم الجديرة بالثناء في تنظيم مجموعة البيانات هذه. للحصول على فهم شامل لمجموعة البيانات والفروق الدقيقة فيها ، يرجى زيارة موقع DOTA الرسمي.

الأسئلة المتداولة

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 YOLOv8 . 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 YOLOv8.

كيف يمكنني تدريب نموذج YOLOv8 باستخدام مجموعة بيانات DOTA8؟

لتدريب نموذج YOLOv8n-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("yolov8n-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=yolov8n-obb.pt epochs=100 imgsz=640

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

تُعرف مجموعة بيانات DOTA بمعيارها واسع النطاق 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 عن تقنيات الفسيفساء والتدريب على صفحة التدريب الخاصة بنا.

لماذا يجب أن أستخدم Ultralytics YOLOv8 لمهام الكشف عن الأجسام؟

Ultralytics YOLOv8 أحدث إمكانات الكشف عن الكائنات 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 YOLOv8 .

التعليقات