ओरिएंटेड बाउंडिंग बॉक्स (OBB) डेटासेट अवलोकन

उन्मुख बाउंडिंग बॉक्स (OBB) के साथ एक सटीक ऑब्जेक्ट डिटेक्शन मॉडल को प्रशिक्षित करने के लिए संपूर्ण डेटासेट की आवश्यकता होती है। यह मार्गदर्शिका विभिन्न OBB डेटासेट स्वरूपों के साथ संगत बताती है Ultralytics YOLO मॉडल, उनकी संरचना, अनुप्रयोग और प्रारूप रूपांतरणों के तरीकों में अंतर्दृष्टि प्रदान करते हैं।

समर्थित OBB डेटासेट प्रारूप

YOLO ओबीबी प्रारूप

वही YOLO OBB प्रारूप 0 और 1 के बीच सामान्यीकृत निर्देशांक के साथ उनके चार कोने बिंदुओं द्वारा बाउंडिंग बॉक्स को नामित करता है। यह इस प्रारूप का अनुसरण करता है:

class_index x1 y1 x2 y2 x3 y3 x4 y4

आंतरिक YOLO नुकसान और आउटपुट को संसाधित करता है xywhr प्रारूप, जो बाउंडिंग बॉक्स के केंद्र बिंदु (xy), चौड़ाई, ऊंचाई और रोटेशन का प्रतिनिधित्व करता है।

का एक उदाहरण *.txt उपरोक्त छवि के लिए लेबल फ़ाइल, जिसमें वर्ग की एक वस्तु है 0 OBB प्रारूप में, ऐसा दिख सकता है:

0 0.780811 0.743961 0.782371 0.74686 0.777691 0.752174 0.776131 0.749758

उपयोग

इन OBB प्रारूपों का उपयोग करके किसी मॉडल को प्रशिक्षित करने के लिए:

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

समर्थित डेटासेट

वर्तमान में, ओरिएंटेड बाउंडिंग बॉक्स के साथ निम्नलिखित डेटासेट समर्थित हैं:

• DOTA-v2: DOTA (एरियल इमेज में ऑब्जेक्ट डिटेक्शन के लिए एक बड़े पैमाने पर डेटासेट) संस्करण 2, हवाई दृष्टिकोण से पता लगाने पर जोर देता है और इसमें 1.7 मिलियन उदाहरणों और 11,268 छवियों के साथ उन्मुख बाउंडिंग बॉक्स शामिल हैं।
• डोटा8: पूर्ण DOTA डेटासेट का एक छोटा, 8-छवि सबसेट वर्कफ़्लो और निरंतर एकीकरण के लिए उपयुक्त है (CI) OBB प्रशिक्षण की जाँच ultralytics कोष।

अपने स्वयं के OBB डेटासेट को शामिल करना

उन लोगों के लिए जो उन्मुख बाउंडिंग बॉक्स के साथ अपने स्वयं के डेटासेट पेश करना चाहते हैं, "YOLO ओबीबी प्रारूप" ऊपर उल्लेख किया गया है। अपने एनोटेशन को इस आवश्यक प्रारूप में कनवर्ट करें और संबंधित YAML कॉन्फ़िगरेशन फ़ाइल में पथ, वर्ग और वर्ग नामों का विवरण दें।

कन्वर्ट लेबल प्रारूप

DOTA डेटासेट को फ़ॉर्मैट करें YOLO ओबीबी प्रारूप

लेबल को DOTA डेटासेट फॉर्मेट से YOLO OBB प्रारूप इस स्क्रिप्ट के साथ प्राप्त किया जा सकता है:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

यह रूपांतरण तंत्र DOTA प्रारूप में डेटासेट के लिए महत्वपूर्ण है, जो Ultralytics YOLO OBB प्रारूप।

अपने मॉडल के साथ डेटासेट की संगतता को मान्य करना और आवश्यक प्रारूप सम्मेलनों का पालन करना अनिवार्य है। उचित रूप से संरचित डेटासेट उन्मुख बाउंडिंग बॉक्स के साथ कुशल ऑब्जेक्ट डिटेक्शन मॉडल के प्रशिक्षण के लिए महत्वपूर्ण हैं।

अक्सर पूछे जाने वाले प्रश्न

ओरिएंटेड बाउंडिंग बॉक्स (OBB) क्या हैं और उनका उपयोग कैसे किया जाता है Ultralytics YOLO मॉडल?

ओरिएंटेड बाउंडिंग बॉक्स (OBB) एक प्रकार का बाउंडिंग बॉक्स एनोटेशन है जहां बॉक्स को केवल अक्ष-संरेखित होने के बजाय पता लगाई जा रही वस्तु के साथ अधिक निकटता से संरेखित करने के लिए घुमाया जा सकता है। यह हवाई या उपग्रह इमेजरी में विशेष रूप से उपयोगी है जहां वस्तुओं को छवि अक्षों के साथ संरेखित नहीं किया जा सकता है। में Ultralytics YOLO मॉडल, OBBs को उनके चार कोने बिंदुओं द्वारा दर्शाया जाता है YOLO OBB प्रारूप। यह अधिक सटीक ऑब्जेक्ट डिटेक्शन की अनुमति देता है क्योंकि बाउंडिंग बॉक्स ऑब्जेक्ट्स को बेहतर ढंग से फिट करने के लिए घूम सकते हैं।

मैं अपने मौजूदा DOTA डेटासेट लेबल को YOLO के साथ उपयोग के लिए OBB प्रारूप Ultralytics YOLOv8?

आप DOTA डेटासेट लेबल को इसमें बदल सकते हैं YOLO OBB प्रारूप का उपयोग कर convert_dota_to_yolo_obb से समारोह Ultralytics. यह रूपांतरण के साथ संगतता सुनिश्चित करता है Ultralytics YOLO मॉडल, आपको उन्नत वस्तु का पता लगाने के लिए OBB क्षमताओं का लाभ उठाने में सक्षम बनाता है. यहाँ एक त्वरित उदाहरण है:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

यह स्क्रिप्ट आपके DOTA एनोटेशन को एक में पुन: स्वरूपित करेगी YOLO-संगत प्रारूप।

मैं एक को कैसे प्रशिक्षित करूं YOLOv8 मेरे डेटासेट पर ओरिएंटेड बाउंडिंग बॉक्स (OBB) के साथ मॉडल?

प्रशिक्षण एक YOLOv8 OBBs के साथ मॉडल में यह सुनिश्चित करना शामिल है कि आपका डेटासेट YOLO OBB प्रारूप और फिर का उपयोग करना Ultralytics मॉडल को प्रशिक्षित करने के लिए एपीआई। यहाँ दोनों में एक उदाहरण है Python और 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

यह सुनिश्चित करता है कि आपका मॉडल बेहतर पहचान सटीकता के लिए विस्तृत OBB एनोटेशन का लाभ उठाता है।

OBB प्रशिक्षण के लिए वर्तमान में कौन से डेटासेट समर्थित हैं Ultralytics YOLO मॉडल?

फिलहाल Ultralytics OBB प्रशिक्षण के लिए निम्नलिखित डेटासेट का समर्थन करता है:

• DOTA-v2: इस डेटासेट में ओरिएंटेड बाउंडिंग बॉक्स और 11,268 छवियों के साथ 1.7 मिलियन उदाहरण शामिल हैं, जो मुख्य रूप से हवाई वस्तु का पता लगाने पर ध्यान केंद्रित करते हैं।
• DOTA8: परीक्षण और निरंतर एकीकरण (CI) जाँच के लिए उपयोग किए जाने वाले DOTA डेटासेट का एक छोटा, 8-छवि सबसेट।

ये डेटासेट उन परिदृश्यों के अनुरूप हैं जहां OBB एक महत्वपूर्ण लाभ प्रदान करते हैं, जैसे हवाई और उपग्रह छवि विश्लेषण.

क्या मैं उन्मुख बाउंडिंग बॉक्स के साथ अपने स्वयं के डेटासेट का उपयोग कर सकता हूं YOLOv8 प्रशिक्षण, और यदि हां, तो कैसे?

हां, आप अपने स्वयं के डेटासेट का उपयोग उन्मुख बाउंडिंग बॉक्स के साथ कर सकते हैं YOLOv8 प्रशिक्षण। सुनिश्चित करें कि आपके डेटासेट एनोटेशन को YOLO OBB प्रारूप, जिसमें उनके चार कोने बिंदुओं द्वारा बाउंडिंग बॉक्स को परिभाषित करना शामिल है। फिर आप डेटासेट पथ, वर्ग और अन्य आवश्यक विवरण निर्दिष्ट करते हुए एक YAML कॉन्फ़िगरेशन फ़ाइल बना सकते हैं। अपने डेटासेट बनाने और कॉन्फ़िगर करने के बारे में अधिक जानकारी के लिए, समर्थित डेटासेट अनुभाग देखें.

टिप्पणियाँ