Visión general de los conjuntos de datos de cajas delimitadoras orientadas (OBB)

Entrenar un modelo preciso de detección de objetos con cuadros delimitadores orientados (OBB) requiere un conjunto de datos completo. Esta guía explica los distintos formatos de conjuntos de datos OBB compatibles con los modelos Ultralytics YOLO , y ofrece información sobre su estructura, aplicación y métodos de conversión de formatos.

Formatos de conjuntos de datos OBB compatibles

YOLO Formato OBB

El formato YOLO OBB designa las cajas delimitadoras por sus cuatro puntos de esquina con coordenadas normalizadas entre 0 y 1. Sigue este formato:

class_index x1 y1 x2 y2 x3 y3 x4 y4

Internamente, YOLO procesa las pérdidas y las salidas en el xywhr que representa el punto central (xy), la anchura, la altura y la rotación del cuadro delimitador.

Un ejemplo de *.txt de la imagen anterior, que contiene un objeto de clase 0 en formato OBB, podría tener el siguiente aspecto:

0 0.780811 0.743961 0.782371 0.74686 0.777691 0.752174 0.776131 0.749758

Utilización

Para entrenar un modelo utilizando estos formatos OBB:

from ultralytics import YOLO

# Create a new YOLOv8n-OBB model from scratch
model = YOLO("yolov8n-obb.yaml")

# Train the model on the DOTAv2 dataset
results = model.train(data="DOTAv1.yaml", epochs=100, imgsz=640)

# Train a new YOLOv8n-OBB model on the DOTAv2 dataset
yolo detect train data=DOTAv1.yaml model=yolov8n.pt epochs=100 imgsz=640

Conjuntos de datos compatibles

Actualmente, se admiten los siguientes conjuntos de datos con Cajas delimitadoras orientadas:

• DOTA-v2: DOTA (Conjunto de datos a gran escala para la detección de objetos en imágenes aéreas) versión 2, hace hincapié en la detección desde perspectivas aéreas y contiene cuadros delimitadores orientados con 1,7 millones de instancias y 11.268 imágenes.
• DOTA8: Un pequeño subconjunto de 8 imágenes del conjunto de datos DOTA completo, adecuado para probar flujos de trabajo y comprobaciones de Integración Continua (IC) del entrenamiento OBB en el ultralytics repositorio.

Incorporar tu propio conjunto de datos OBB

Para quienes deseen introducir sus propios conjuntos de datos con cuadros delimitadores orientados, asegúrate de la compatibilidad con el " formatoYOLO OBB" mencionado anteriormente. Convierte tus anotaciones a este formato requerido y detalla las rutas, clases y nombres de clase en un archivo de configuración YAML correspondiente.

Convertir formatos de etiquetas

DOTA Dataset Format a YOLO OBB Format

La transición de etiquetas del formato del conjunto de datos DOTA al formato YOLO OBB se puede conseguir con este script:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

Este mecanismo de conversión es fundamental para los conjuntos de datos en formato DOTA, ya que garantiza la alineación con el formato Ultralytics YOLO OBB.

Es imprescindible validar la compatibilidad del conjunto de datos con tu modelo y respetar las convenciones de formato necesarias. Los conjuntos de datos correctamente estructurados son fundamentales para entrenar modelos eficientes de detección de objetos con cuadros delimitadores orientados.

PREGUNTAS FRECUENTES

¿Qué son los Bounding Boxes Orientados (OBB) y cómo se utilizan en los modelos Ultralytics YOLO ?

Las cajas delimitadoras orientadas (OBB) son un tipo de anotación de caja delimitadora en la que la caja puede girarse para alinearse más estrechamente con el objeto que se detecta, en lugar de estar simplemente alineada con el eje. Esto resulta especialmente útil en imágenes aéreas o por satélite, en las que los objetos pueden no estar alineados con los ejes de la imagen. En los modelos Ultralytics YOLO , los OBB se representan por sus cuatro puntos de esquina en el formato YOLO OBB. Esto permite una detección de objetos más precisa, ya que los cuadros delimitadores pueden girar para ajustarse mejor a los objetos.

¿Cómo convierto mis etiquetas de conjuntos de datos DOTA existentes al formato YOLO OBB para utilizarlas con Ultralytics YOLOv8 ?

Puedes convertir las etiquetas de los conjuntos de datos DOTA al formato OBB de YOLO utilizando convert_dota_to_yolo_obb de Ultralytics. Esta conversión garantiza la compatibilidad con los modelos Ultralytics YOLO , permitiéndote aprovechar las funciones OBB para mejorar la detección de objetos. He aquí un ejemplo rápido:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

Este script reformateará tus anotaciones DOTA en un formato compatible con YOLO.

¿Cómo entreno un modelo YOLOv8 con cajas delimitadoras orientadas (OBB) en mi conjunto de datos?

Entrenar un modelo YOLOv8 con OBB implica asegurarte de que tu conjunto de datos está en el formato OBB YOLO y luego utilizar la API Ultralytics para entrenar el modelo. Aquí tienes un ejemplo tanto en Python como en CLI:

from ultralytics import YOLO

# Create a new YOLOv8n-OBB model from scratch
model = YOLO("yolov8n-obb.yaml")

# Train the model on the custom dataset
results = model.train(data="your_dataset.yaml", epochs=100, imgsz=640)

# Train a new YOLOv8n-OBB model on the custom dataset
yolo detect train data=your_dataset.yaml model=yolov8n.pt epochs=100 imgsz=640

Esto garantiza que tu modelo aprovecha las anotaciones detalladas del OBB para mejorar la precisión de la detección.

¿Qué conjuntos de datos se admiten actualmente para el entrenamiento OBB en los modelos Ultralytics YOLO ?

Actualmente, Ultralytics admite los siguientes conjuntos de datos para el entrenamiento OBB:

• DOTA-v2: Este conjunto de datos incluye 1,7 millones de instancias con cuadros delimitadores orientados y 11.268 imágenes, centradas principalmente en la detección de objetos aéreos.
• DOTA8: Un subconjunto más pequeño, de 8 imágenes, del conjunto de datos DOTA, utilizado para pruebas y comprobaciones de integración continua (IC).

Estos conjuntos de datos están adaptados a escenarios en los que los OBB ofrecen una ventaja significativa, como el análisis de imágenes aéreas y de satélite.

¿Puedo utilizar mi propio conjunto de datos con cuadros delimitadores orientados para el entrenamiento de YOLOv8 , y si es así, cómo?

Sí, puedes utilizar tu propio conjunto de datos con cuadros delimitadores orientados para el entrenamiento de YOLOv8 . Asegúrate de que las anotaciones de tu conjunto de datos se convierten al formato YOLO OBB, que implica definir los cuadros delimitadores por sus cuatro puntos de esquina. A continuación, puedes crear un archivo de configuración YAML especificando las rutas del conjunto de datos, las clases y otros detalles necesarios. Para más información sobre la creación y configuración de tus conjuntos de datos, consulta la sección Conjuntos de datos compatibles.

Comentarios