Empezar

Detección de cajas delimitadoras orientadas con Ultralytics YOLO

Ultralytics YOLO oriented bounding box detection of boats in aerial imagery

La detección de objetos orientados va un paso más allá de la detección de objetos estándar, ya que incorpora un ángulo adicional para localizar los objetos con mayor precisión en una imagen.

La salida de un detector de objetos orientados es un conjunto de cajas delimitadoras giradas que delimitan con precisión los objetos de la imagen, junto con las etiquetas de clase y las puntuaciones de confianza de cada caja. Las cajas delimitadoras orientadas son especialmente útiles cuando los objetos aparecen en distintos ángulos, como en las imágenes aéreas, donde las cajas delimitadoras tradicionales alineadas con los ejes pueden abarcar más fondo del necesario. Entre sus usos habituales se encuentran la detección de barcos y vehículos en imágenes tomadas desde satélites y drones, el análisis de edificios e infraestructuras para la planificación urbana, la monitorización de cultivos y la inspección de paneles solares o turbinas eólicas.



Ver: Cómo detectar y seguir objetos con cajas delimitadoras orientadas (OBB) de Ultralytics YOLO26 | Seguimiento de barcos 🚢
Consejo

Los modelos OBB de YOLO26 utilizan el sufijo -obb, por ejemplo, yolo26n-obb.pt, y están preentrenados con DOTAv1.

Detección de barcos con OBBDetección de vehículos con OBB
Detección de barcos con OBBDetección de vehículos con OBB

Modelos#

A continuación se muestran los modelos YOLO26 OBB preentrenados con el conjunto de datos DOTAv1.

Los modelos se descargan automáticamente desde la versión más reciente de Ultralytics al usarlos por primera vez.

Licencias y procedencia de los conjuntos de datos

Las imágenes y anotaciones de DOTAv1 están limitadas al uso académico y prohíben el uso comercial. Ultralytics interpreta que esas restricciones se aplican al conjunto de datos de origen, no a los pesos de modelos preentrenados o ajustados. Revisa las condiciones de DOTA para el uso que tengas previsto.

Modelotamaño
(píxeles)
mAPprueba50-95
(e2e)
mAPprueba50
(e2e)
Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLO26n-obb102452.478.997.7 ± 0.92.8 ± 0.02.414.8
YOLO26s-obb102454.880.9218.0 ± 1.44.9 ± 0.19.856.7
YOLO26m-obb102455.381.0579.2 ± 3.810.2 ± 0.321.2184.9
YOLO26l-obb102456.281.6735.6 ± 3.113.0 ± 0.225.6232.4
YOLO26x-obb102456.781.71485.7 ± 11.530.5 ± 0.957.6520.1
  • Los valores mAPtest corresponden a un solo modelo con varias escalas en el conjunto de datos DOTAv1.
    Reprodúcelos con yolo obb val data=DOTAv1.yaml device=0 split=test nms=False save_json=True y envía los resultados fusionados a la evaluación de DOTA.
  • Velocidad media en las imágenes de validación de DOTAv1 con ONNX en CPU y TensorRT10 en una GPU NVIDIA T4.
    Reprodúcela con yolo obb val data=DOTAv1.yaml batch=1 device=0|cpu nms=False
  • Los valores de Params y FLOPs corresponden a modelos fusionados tras plegar Conv/BatchNorm y eliminar la rama de detección no utilizada. Los checkpoints preentrenados conservan toda la arquitectura de entrenamiento y pueden mostrar valores más altos.

Consulta la versión preliminar no publicada de YOLO27 para ver los resultados preliminares de DOTAv1.

Entrenar#

Entrena un modelo YOLO26n-obb con el conjunto de datos DOTA8 durante 100 épocas con un tamaño de imagen de 640.

Nota

Un OBB y su rotación de 180° son idénticos, por lo que la rotación se define módulo 180° y la caja no tiene dirección. Las etiquetas de entrenamiento se normalizan según la convención del lado largo: el ancho de la caja w es el lado más largo, el ángulo se mide en sentido horario desde el eje x positivo hasta la orientación del borde w y se almacena en radianes en [-π/4, 3π/4) ([-45°, 135°)). Las predicciones no se normalizan, por lo que una caja predicha puede indicar el lado corto como w; consulta Salida de resultados. El formato [0°, 90°) corresponde a la convención regularizada de estilo DOTA y no se aplica durante el entrenamiento ni la inferencia.

Ejemplo
from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n-obb.yaml")  # Crea un modelo nuevo a partir de YAML
model = YOLO("yolo26n-obb.pt")  # Carga un modelo preentrenado (recomendado para el entrenamiento)
model = YOLO("yolo26n-obb.yaml").load("yolo26n-obb.pt")  # Crea el modelo a partir de YAML y transfiere los pesos

# Entrenar el modelo
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)


Ver: Cómo entrenar modelos Ultralytics YOLO-OBB (cajas delimitadoras orientadas) con el conjunto de datos DOTA mediante Ultralytics Platform

Consulta todos los detalles del modo train en la página Entrenar. También puedes entrenar modelos OBB con el entrenamiento en la nube de Ultralytics Platform.

Formato del conjunto de datos#

Encontrarás todos los detalles sobre el formato de los conjuntos de datos OBB en la Guía de conjuntos de datos. El formato OBB de YOLO define las cajas delimitadoras mediante las coordenadas de sus cuatro esquinas, normalizadas entre 0 y 1, según la estructura siguiente. La anotación de Ultralytics Platform admite etiquetas OBB e incluye una herramienta específica para dibujar cajas delimitadoras orientadas:

class_index x1 y1 x2 y2 x3 y3 x4 y4

Internamente, YOLO procesa las pérdidas y las salidas en formato xywhr, que representa el punto central (xy), la anchura, la altura y la rotación de la caja delimitadora.

Validar#

Valida la precisión del modelo YOLO26n-obb entrenado, medida como precisión media (mAP), con el conjunto de datos DOTA8. Pasa data explícitamente para que la validación utilice el YAML del conjunto de datos previsto.

Ejemplo
from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n-obb.pt")  # carga un modelo oficial
model = YOLO("path/to/best.pt")  # cargar un modelo personalizado

# Valida el modelo
metrics = model.val(data="dota8.yaml")  # valida con el conjunto de datos DOTA8
metrics.box.map  # map50-95(B)
metrics.box.map50  # map50(B)
metrics.box.map75  # map75(B)
metrics.box.maps  # mAP50-95(B) por clase; las clases ausentes del conjunto de validación conservan el mAP(B) global
metrics.box.ap_class_index  # índices de las clases que se evaluaron realmente
metrics.box.image_metrics  # diccionario de métricas por imagen con precisión, exhaustividad, F1, TP, FP y FN

Predecir#

Usa un modelo YOLO26n-obb entrenado para hacer predicciones en imágenes.

Ejemplo
from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n-obb.pt")  # carga un modelo oficial
model = YOLO("path/to/best.pt")  # cargar un modelo personalizado

# Haz predicciones con el modelo
results = model("https://ultralytics.com/images/boats.jpg")  # haz una predicción sobre una imagen

# Accede a los resultados
for result in results:
    xywhr = result.obb.xywhr  # centro-x, centro-y, ancho, alto, ángulo (radianes)
    xyxyxyxy = result.obb.xyxyxyxy  # formato de polígono con 4 puntos
    names = [result.names[cls.item()] for cls in result.obb.cls.int()]  # nombre de clase de cada caja
    confs = result.obb.conf  # puntuación de confianza de cada caja

Consulta todos los detalles del modo predict en la página de predicción.

Pasa save_crop=True para guardar un recorte alineado con la rotación de cada OBB al tamaño de su caja, como también hace ObjectCropper.

Resultados de salida#

La detección de cajas delimitadoras orientadas devuelve un objeto Results por imagen. El campo de predicción principal es result.obb, que contiene las cajas rotadas, los ID de clase y las puntuaciones de confianza de cada objeto detectado.

AtributoTipoFormaDescripción
result.obbOBB(N)Cajas orientadas.
result.obb.datatorch.float32(N,7/8)Cajas giradas sin procesar con nivel de confianza/clase.
result.obb.xywhrtorch.float32(N,5)Cajas giradas xywhr.
result.obb.xyxyxyxytorch.float32(N,4,2)Cuatro puntos de las esquinas.
result.obb.conftorch.float32(N,)Puntuaciones de confianza.

Las etiquetas se canonicalizan según la convención del lado largo, pero las predicciones no, por lo que result.obb.xywhr puede indicar que w es menor que h con la rotación medida desde el lado corto. Ambas formas describen el mismo rectángulo, así que result.obb.xyxyxyxy es correcto en ambos casos. Al hacer seguimiento, cada trayectoria conserva la forma de media vuelta (θ o θ ± π) más cercana a su ángulo anterior, de modo que los ángulos de las trayectorias no dan un salto de π entre fotogramas y pueden salirse de [-π/4, 3π/4). Convierte las esquinas de nuevo cuando el código posterior necesite la forma del lado largo, teniendo en cuenta que reescribir los parámetros de la caja puede desplazar cíclicamente el orden de las esquinas:

from ultralytics.utils.ops import xyxyxyxy2xywhr

xywhr = xyxyxyxy2xywhr(result.obb.xyxyxyxy)  # w >= h, rotation in [-pi/4, 3pi/4)

Para consultar los campos Results específicos de cada tarea, visita la sección resultados de predicción por tarea.

Exportar#

Exporta un modelo YOLO26n-obb a otro formato, como ONNX, CoreML, etc.

Ejemplo
from ultralytics import YOLO

# Cargar un modelo
model = YOLO("yolo26n-obb.pt")  # carga un modelo oficial
model = YOLO("path/to/best.pt")  # cargar un modelo personalizado

# Exporta el modelo
model.export(format="onnx")

Los formatos de exportación disponibles para YOLO26-obb se muestran en la tabla siguiente. Puedes exportar a cualquier formato con el argumento format, por ejemplo, format='onnx' o format='engine'. Puedes hacer predicciones o validar directamente con los modelos exportados, por ejemplo, yolo predict model=yolo26n-obb.onnx. Cuando termine la exportación, se mostrarán ejemplos de uso para tu modelo.

FormatoArgumento formatModeloMetadatosArgumentos
PyTorch-yolo26n-obb.pt✅-
TorchScripttorchscriptyolo26n-obb.torchscript✅imgsz, quantize, dynamic, nms, batch, device
ONNXonnxyolo26n-obb.onnx✅imgsz, quantize, dynamic, simplify, opset, nms, batch, data, fraction, device
OpenVINOopenvinoyolo26n-obb_openvino_model/✅imgsz, quantize, dynamic, nms, batch, data, fraction, device
TensorRTengineyolo26n-obb.engine✅imgsz, quantize, dynamic, simplify, opset, workspace, nms, batch, data, fraction, device
CoreMLcoremlyolo26n-obb.mlpackage✅imgsz, dynamic, quantize, nms, batch, device
Apple Core AIcoreaiyolo26n-obb.aimodel✅imgsz, batch, quantize
TF SavedModelsaved_modelyolo26n-obb_saved_model/✅imgsz, quantize, opset, nms, batch, data, fraction, device
TF GraphDefpbyolo26n-obb.pb❌imgsz, opset, batch, device
TF Edge TPUedgetpuyolo26n-obb_edgetpu.tflite✅imgsz, quantize, opset, data, fraction, device
LiteRTlitertyolo26n-obb.tflite✅imgsz, quantize, batch, data, fraction, device
PaddlePaddlepaddleyolo26n-obb_paddle_model/✅imgsz, batch, device
MNNmnnyolo26n-obb.mnn✅imgsz, batch, dynamic, quantize, simplify, opset, nms, device
NCNNncnnyolo26n-obb_ncnn_model/✅imgsz, quantize, device
IMX500imxyolo11n_imx_model/✅imgsz, quantize, data, fraction, nms, device
RKNNrknnyolo26n-obb_rknn_model/✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
ExecuTorchexecutorchyolo26n-obb_executorch_model/✅imgsz, quantize, batch, data, fraction, device
Axeleraaxelerayolo26n-obb_axelera_model/✅imgsz, batch, quantize, data, fraction, device
DEEPXdeepxyolo26n-obb_deepx_model/✅imgsz, quantize, simplify, opset, data, optimize, device
Qualcomm QNNqnnyolo26n-obb_qnn.onnx✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
Hailohailoyolo26n-obb_hailo_model/✅imgsz, name, quantize, data, fraction, simplify, conf, iou, device
Huawei Ascendascendyolo26n-obb_ascend_model/✅imgsz, batch, name, quantize, opset, simplify, nms, device
AMD Xilinxxilinxyolo26n-obb_xilinx_model/✅imgsz, name, quantize, data, fraction, opset, simplify, device
NXPnxpyolo26n-obb_nxp.tflite✅imgsz, quantize, data, fraction, device
ST Edge AIstedgeaiyolo26n-obb_stedgeai.onnx✅imgsz, quantize, data, fraction, opset, simplify, device

nms=None genera salidas sin procesar de forma predeterminada para aplicar NMS externamente (YOLO26 mantiene su cabezal sin NMS en Axelera). Establece nms=False para seleccionar un cabezal sin NMS disponible; los formatos no compatibles recurren a su ruta de salida nativa. Las entradas nms anteriores identifican los formatos que pueden integrar NMS con nms=True.

Consulta todos los detalles de export en la página Exportar.

Preguntas frecuentes#

  • Las cajas delimitadoras orientadas (OBB) incluyen un ángulo adicional para mejorar la precisión de la localización de objetos en las imágenes. A diferencia de las cajas delimitadoras normales, que son rectángulos alineados con los ejes, las OBB pueden girar para ajustarse mejor a la orientación del objeto. Esto resulta especialmente útil en aplicaciones que requieren una ubicación precisa de los objetos, como las imágenes aéreas o por satélite (Guía de conjuntos de datos).

  • Para entrenar un modelo YOLO26n-obb con un conjunto de datos personalizado, sigue el ejemplo siguiente con Python o la CLI:

    Ejemplo
    from ultralytics import YOLO
    
    # Cargar un modelo preentrenado
    model = YOLO("yolo26n-obb.pt")
    
    # Entrenar el modelo
    results = model.train(data="path/to/custom_dataset.yaml", epochs=100, imgsz=640)

    Para consultar más argumentos de entrenamiento, echa un vistazo a la sección Configuración.

  • Los modelos YOLO26-OBB se preentrenan con conjuntos de datos como DOTAv1, pero puedes usar cualquier conjunto de datos con formato OBB. Encontrarás información detallada sobre los formatos de conjuntos de datos OBB en la Guía de conjuntos de datos.

  • Para validar un modelo YOLO26n-obb, puedes usar Python o los comandos de la CLI que se muestran a continuación:

    Ejemplo
    from ultralytics import YOLO
    
    # Cargar un modelo
    model = YOLO("yolo26n-obb.pt")
    
    # Valida el modelo
    metrics = model.val(data="dota8.yaml")

    Consulta todos los detalles de validación en la sección Val.

  • Exportar un modelo YOLO26-OBB al formato ONNX es muy sencillo, tanto con Python como con la CLI:

    Ejemplo
    from ultralytics import YOLO
    
    # Cargar un modelo
    model = YOLO("yolo26n-obb.pt")
    
    # Exporta el modelo
    model.export(format="onnx")

    Para consultar más formatos y detalles de exportación, visita la página Export.

Comentarios252

Haz una pregunta, comparte tus resultados o ayuda a otra persona.

    1. Paula DerrengerUltralytics(editado)

      Model ensembling with YOLOv8-obb models involves combining the predictions from multiple trained models to improve the accuracy of your oriented objects detection. Currently, direct support for model ensembling within Ultralytics YOLO isn't provided out-of-the-box. However, you can manually implement ensembling by running predictions with each model separately and then combining these predictions.

      One common approach is to average the bounding box coordinates and confidence scores of the same object detected by multiple models. Ensure to consider the rotating angle parameter unique to OBB models in your ensembling logic. Here's a basic conceptual example to get you started:

      from ultralytics import YOLO
      
      models = [
          YOLO('path/to/first_obb_model.pt'),
          YOLO('path/to/second_obb_model.pt'),
          # Add more models as needed
      ]
      
      # Assuming you have a method to read your images/videos
      image = 'path/to/image.jpg'
      
      # List to store results from all models
      all_preds = []
      
      for model in models:
          results = model(image)
          all_preds.append(results[0].obb)  # Extracting OBB predictions (xywhr, conf, cls)
      
      # Assuming you have a method `combine_predictions(all_preds)`
      # that combines predictions from all models
      final_predictions = combine_predictions(all_preds)
      
      # Process `final_predictions`...

      This example loads each model, runs predictions on the same image, and stores the results. You'd then need to implement combine_predictions(all_preds) to handle the logic for combining these predictions based on criteria like IoU, confidence scores, etc., taking into account the angle for rotated bounding boxes.

      Remember, ensembling may increase inference time due to processing with multiple models. Always weigh the benefits of improved accuracy against potential increases in computational cost. Happy coding! 😊

  1. windzuGitHub

    if you want draw predict results to img and save , you can ref below easy code :

    # you predict code #
    
    import cv2
    
    image = cv2.imread(test_img_path)
    for r in results:
        xyxyxyxy = r.obb.xyxyxyxy.cpu().numpy()
    
        for box in xyxyxyxy:
            points = box.reshape(4, 2).astype(int)
            cv2.polylines(image, [points], isClosed=True, color=(0, 255, 0), thickness=2)
    
    cv2.imwrite("detected_image.jpg", image)
    1
    1. Glenn JocherUltralytics

      @windzu thank you for sharing the code example. For more details on using YOLOv8 Oriented Bounding Boxes, please refer to our documentation on training, validation, and exporting models. If you have further questions, feel free to ask here.

  2. krialmGitHub

    Hi, when I am using yolov8_obb model in results I always have boxes: None keypoints: None masks: None

    even when the model makes prediction. Did someone faced with this problem and if yes, what was the solution? Thank you.🙂

    1
    1. RizwanMunawarGitHub

      @krialm In the case of OBB, you can get bounding box data, using the mentioned code below.

      model = YOLO("yolov8n-obb.pt")
      results = model.predict(im0)
      pred_boxes = results[0].obb

      I hope this helps! Let me know if you have any additional questions.

      Thanks and Regards Ultralytics Team!

      1
    2. kedardgGitHub

      Is there a way for me to train OBB models from scratch let's say the P2 or RTDETR models which are not available pre-trained?

    3. Paula DerrengerUltralytics

      @kedardg absolutely, you can train OBB models like P2 or RTDETR from scratch even if they're not available pre-trained. You'd start by creating a new model from a YAML file, which defines the model architecture. Here's a quick example of how you might do it:

      yolo obb train data=your_dataset.yaml model=your_model.yaml epochs=100 imgsz=640

      Just replace your_dataset.yaml with your dataset configuration file and your_model.yaml with your model configuration file. Make sure your dataset is properly formatted for OBB tasks. Happy training! 😊🚀

    4. RumaisaIlyasGitHub

      model = YOLO("yolov8n-obb.pt") results = model.predict(im0) pred_boxes = results[0].obb

      i did this but i want to draw bounding boxes on the test image and return it. how to do that?

      my function is:

      def count_detection(image): if image is not None: # Load the YOLO model model = YOLO('bestobbv8s.pt')

          # Check the shape of the input image
          print("Input image shape:", image.shape)
      
          # Use the model to predict the wheat spikes in image
          results = model(image, save=True)
      
          # Count 
          count = sum(len(result) for result in results)
          print("count", count)
      
          # Draw bounding boxes for detected wheat heads
          for result in results:
              boxes = result.obb
              #here?
              
          return image
    5. Paula DerrengerUltralytics

      @RumaisaIlyas hey there! 😊 To draw bounding boxes on your test image and return it, you can use the plot() method available in the Results object. Here's how you can modify your function:

      def count_detection(image):
          if image is not None:
              # Load the YOLO model
              model = YOLO('bestobbv8s.pt')
      
              # Check the shape of the input image
              print("Input image shape:", image.shape)
      
              # Use the model to predict
              results = model.predict(image)
      
              # Draw bounding boxes and return the annotated image
              annotated_image = results[0].plot()
      
              # Count detections
              count = len(results[0].obb)
              print("count", count)
      
              return annotated_image

      In this updated function, after making predictions with model.predict(image), we use results[0].plot() to draw bounding boxes on the image. This method returns the annotated image, which we then return from the function. This should give you the visual feedback you're looking for! 🚀

      Let me know if you need further assistance!

    6. RumaisaIlyasGitHub

      thankyou so much for your assistance. i am facing a problem that my runs folder is not created after i run the code provided. why is that? what should i do in code so that i get the runs folder with my predicted image

    7. Paula DerrengerUltralytics(editado)

      Hey there! 😊 It sounds like you're doing everything right, but if the runs folder isn't being created, it might be due to a small oversight. Here's a quick checklist:

      1. Ensure you're using the latest version of the Ultralytics YOLO library. Sometimes, updates fix these kinds of issues.
      2. Double-check your command and make sure it's complete. For predictions, it should look something like this:
      from ultralytics import YOLO
      
      # Load your model
      model = YOLO('bestobbv8s.pt')
      
      # Run prediction
      # save=True writes the annotated image to the 'runs' folder
      results = model.predict('path/to/your/image.jpg', save=True)
      1. If you're still not seeing the runs folder, try specifying the output directory explicitly in your code:
      results = model.predict('path/to/your/image.jpg', save=True, project='runs/detect')  # Adjust the path as needed
      1. Lastly, ensure you have the necessary write permissions in your working directory. Sometimes, permission issues can prevent the creation of new folders.

      If you've checked all these and the issue persists, it might be helpful to share more details about your environment (like your operating system) or any error messages you're seeing. That way, the community can offer more targeted advice. 🚀

      Hope this helps, and happy detecting!

    8. Ci-neGitHub

      I also face the same problem. I tried using the code provided but it still says NoneType

      ncnn_model = YOLO("./my_ncnn_model", task='detect') results = ncnn_model.predict(image_path)

      if results[0] is not None: # Ensure results is not None obb_boxes = results[0].obb # For OBB models print(f"OBB Box: {obb_boxes}") else: print("No detections.")

      This is what I get

      Speed: 4.1ms preprocess, 93.1ms inference, 1.2ms postprocess per image at shape (1, 3, 640, 640) OBB Box: None

      Any help?

  3. 1chengzGitHub

    The document notes that 'OBB angles are constrained to the range 0–90 degrees (exclusive of 90). Angles of 90 degrees or greater are not supported.' So what is the normal radian range for an OBB, [-π/4, 3π/4) or something else?

    1. Murat Raimbekov

      the radian range is [-π/4, 3π/4), i.e. [-45°, 135°), not [0°, 90°). that docs note was inaccurate and is fixed in #24534.

      ground-truth angles are normalized in xyxyxyxy2xywhr (ultralytics/utils/ops.py) by two loops, while theta >= 3*pi/4: theta -= pi and while theta < -pi/4: theta += pi, with w swapped to the longer side. sweeping a rectangle through physical 0->180°:

        0° -> 0.0000       45° -> 0.7854 (π/4)     90° -> 1.5708 (π/2)
      120° -> 2.0944      135° -> -0.7854 (-π/4)  165° -> -0.2618

      so the span is exactly π wide, half-open at 3π/4.

      the heads match this:

      • OBB (yolov8/yolo11): angle = (sigmoid(raw) - 0.25) * π, hard-bounded to [-π/4, 3π/4].
      • OBB26 (yolo26): raw output, no sigmoid, trained on targets already in [-π/4, 3π/4).

      [0, π/2) is the regularized DOTA-style form produced by regularize_rboxes in ops.py. that function is defined but has no callers anywhere in ultralytics/, so it is not applied at training or inference. predicted boxes reach you unregularized: result.obb.xywhr returns the angle in [-π/4, 3π/4) (verified by feeding angles like -0.70 and 2.30 through the predict path and reading them back unchanged).

      one consequence, which is what the original note was really about: an OBB and its 180° rotation encode to the same xywhr, so rotation is defined only modulo 180° and the box has no direction. θ and θ+180° are indistinguishable, so you cannot recover a fixed corner ordering from the predicted angle.

  4. User

    mAPtest values are for single-model multiscale on DOTAv1 dataset. Reproduce by yolo val obb data=DOTAv1.yaml device=0 split=test and submit merged results to DOTA evaluation. This mentions that the test results are submitted to the DOTAv1 server through a multiscale approach. I would like to ask, what does this "multiscale" mean? How is it specifically implemented? Is it trained at scales like 512512 and 10241024, and then tested on the test dataset? How are the final results obtained? I am not quite clear on what this multiscale refers to. Please help me with this.

    1. Glenn JocherUltralytics

      Here, “multiscale” means evaluating the same trained model on multiple resized/split versions of each DOTA image tile, then merging those detections back into the original image for final submission; in Ultralytics this is tied to the DOTA split pipeline with scales like rates=[0.5, 1.0, 1.5] in the DOTA dataset guide and the merged-result export in OBBValidator.eval_json(), so it is usually multi-scale test-time inference with one model rather than separately training 512 and 1024 models.

    2. Murat Raimbekov

      it is one model, trained once. there is no separate 512 and 1024 model, and no separate training runs per scale. the "multiscale" lives entirely in the dota tiling step, not inside yolo val.

      where it comes from. dota images are huge (800x800 up to ~20000x20000), so they are cut into overlapping tiles before training/val using split_trainval / split_test from ultralytics/data/split_dota.py. the multiscale variant passes rates=[0.5, 1.0, 1.5] (this is exactly what the dota dataset guide shows). for each rate r the code uses crop_size / r and gap / r, so with the defaults crop_size=1024, gap=200 you get tiles of:

      rate 0.5 -> 2048 px tiles (gap 400)
      rate 1.0 -> 1024 px tiles (gap 200)
      rate 1.5 ->  682 px tiles (gap 133)

      every original image is therefore cut into overlapping windows at all three crop sizes. each window is later resized to imgsz at inference, so the same content is effectively seen at three resolutions. concretely, a single 4000x4000 image produces ~98 tiles spread across those three sizes.

      training. the model is trained once on the multiscale-split trainval tiles (same rates=[0.5, 1.0, 1.5]). it is not "trained at 512 then at 1024" as separate models.

      test / how the final number is obtained. yolo val obb data=DOTAv1.yaml split=test runs that single model over every test tile. each tile filename encodes the source image id and crop offset (name__cropsize__xstart___ystart). OBBValidator.eval_json() parses that, shifts each tile's rotated boxes back into the original full-image coordinates, concatenates detections from all tiles and all scales, then runs a rotated probiou NMS (fast_nms, iou 0.3) to remove the overlap introduced by tiling. the merged per-image results are written as dota Task1_*.txt, which is what you submit to the dota evaluation server.

      one practical caveat. yolo val ... split=test does not create the multiscale tiles for you. you have to run split_test(rates=[0.5, 1.0, 1.5]) first (and split_trainval with the same rates for training). running val on the raw full dota images is single-scale and will not reproduce the mAPtest number in the table.

      so in short: multiscale = offline multi-scale tiling + per-tile single-scale inference + merge-back-and-NMS, all with one model. it is test-time multi-scale through the tiling, not test-time augmentation inside val.

  5. kssionGitHub

    WARNING ⚠️ CoreML: 'nms=True' is only available for Detect models like 'yolo11n.pt'.

    yolo export model=best.pt format=coreml nms=True conf=0.25 iou=0.45

    Ultralytics 8.3.232 🚀 Python-3.11.11 torch-2.9.1 CPU (Apple M1) YOLO11n-obb summary (fused): 109 layers, 2,653,918 parameters, 0 gradients, 6.6 GFLOPs

    PyTorch: starting from 'best.pt' with input shape (1, 3, 640, 640) BCHW and output shape(s) (1, 6, 8400) (5.5 MB) Torch version 2.9.1 has not been tested with coremltools. You may run into unexpected errors. Torch 2.7.0 is the most recent version that has been tested.

    CoreML: starting export with coremltools 9.0... WARNING ⚠️ CoreML: 'nms=True' is only available for Detect models like 'yolo11n.pt'. Converting PyTorch Frontend ==> MIL Ops: 100%|██████████████▉| 867/868 [00:00<00:00, 8975.73 ops/s] Running MIL frontend_pytorch pipeline: 100%|███████████████████| 5/5 [00:00<00:00, 166.58 passes/s] Running MIL default pipeline: 100%|███████████████████████████| 95/95 [00:00<00:00, 99.61 passes/s] Running MIL backend_mlprogram pipeline: 100%|████████████████| 12/12 [00:00<00:00, 176.60 passes/s] CoreML: export success ✅ 4.8s, saved as 'best.mlpackage' (5.3 MB)

    Export complete (5.0s)

    1. Glenn JocherUltralytics

      That warning is expected for OBB models: CoreML nms=True is only supported for axis-aligned Detect heads, so export your *-obb model without NMS and do confidence/IoU (rotated NMS) post-processing on the app side (export success ✅ means you’re fine). See the Ultralytics YOLO OBB task docs for the OBB output formats.

      yolo export model=best.pt format=coreml
  6. wang18382140151-hubGitHub

    你好,请问你们未来的工作计划中是否有将rtdetr用于obb检测呢,最近我正在基于贵司源码做改进

  7. AbhisekRaoGitHub

    I'm currently working with the YOLOv11 Oriented Bounding Box (OBB) model exported in TensorRT format, and deploying it on an NVIDIA Jetson device (AGX Orin). While the model works in standard inference pipelines (.pt) , I’m facing challenges integrating it into a DeepStream-based application to process live RTSP video streams.

    There seems to be no existing reference implementation or sample Python code that demonstrates how to use the OBB variant of the model with DeepStream. Specifically, I'm looking for guidance on:

    1- Integrating the YOLOv11 OBB TensorRT model with DeepStream (preferably using Python bindings). 2- Proper parsing and visualization of oriented bounding boxes from the model output. 3- Any custom parser or config file changes required in the DeepStream pipeline.

    Any support, documentation, or examples from the team or community would be greatly appreciated.

  8. cripsgreenGitHub

    Hello, could you please share some insights on how to train the hyperparameters for YOLOv11-OBB, as well as the pre-trained weights? Thank you.

  9. ziishuoGitHub

    May I ask if the OBB model can be used to detect subjects in a normal perspective (such as a level shot)? I noticed that most of the examples are from a top-down angle. Thank you!