Meet YOLO26: next-gen vision AI.

Link to this sectionVisDroneデータセット#

VisDrone Datasetは、中国・天津大学のMachine Learningおよびデータマイニング研究所のAISKYEYEチームによって作成された大規模なベンチマークです。ドローンベースの画像および動画解析に関連する様々なコンピュータビジョンタスク向けに、慎重にアノテーションされた正解データが含まれています。



Watch: How to Train Ultralytics YOLO26 on the VisDrone Dataset | Aerial Detection | Complete Tutorial 🚀

VisDroneは、様々なドローン搭載カメラで撮影された288個の動画クリップ(261,908フレーム)と10,209枚の静止画像で構成されています。このデータセットは、場所(中国全土の14都市)、環境(都市部と農村部)、オブジェクト(歩行者、車両、自転車など)、密度(疎なシーンと混雑したシーン)など、幅広い側面をカバーしています。データセットは、様々なシナリオ、天候、照明条件下で、様々なドローンプラットフォームを使用して収集されました。これらのフレームには、歩行者、車、自転車、三輪車などのターゲットに対する260万個以上のbboxが手動でアノテーションされています。シーンの視認性、オブジェクトクラス、オクルージョンなどの属性も、データ活用のために提供されています。

Link to this sectionデータセットの構造#

VisDroneデータセットは、それぞれ特定のタスクに焦点を当てた5つの主要なサブセットで構成されています。

  1. タスク 1: 画像内のオブジェクト検出
  2. タスク 2: 動画内のオブジェクト検出
  3. タスク 3: 単一オブジェクト追跡
  4. タスク 4: マルチオブジェクト追跡
  5. タスク 5: 群衆計数

Link to this sectionアプリケーション#

VisDroneデータセットは、ドローンベースのcomputer visionタスク(オブジェクト検出、オブジェクト追跡、群衆計数など)におけるディープラーニングモデルのトレーニングと評価に広く使用されています。データセットの多様なセンサーデータ、オブジェクトのアノテーション、属性は、ドローンベースのコンピュータビジョン分野の研究者や実務者にとって貴重なリソースとなっています。

Link to this sectionデータセット YAML#

YAML(Yet Another Markup Language)ファイルは、データセットの設定を定義するために使用されます。これには、データセットのパス、クラス、およびその他の関連情報が含まれています。Visdroneデータセットの場合、VisDrone.yamlファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VisDrone.yamlで管理されています。

ultralytics/cfg/datasets/VisDrone.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# VisDrone2019-DET dataset https://github.com/VisDrone/VisDrone-Dataset by Tianjin University
# Documentation: https://docs.ultralytics.com/datasets/detect/visdrone
# Example usage: yolo train data=VisDrone.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── VisDrone ← downloads here (2.3 GB)

# 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: VisDrone # dataset root dir
train: images/train # train images (relative to 'path') 6471 images
val: images/val # val images (relative to 'path') 548 images
test: images/test # test-dev images (optional) 1610 images

# Classes
names:
  0: pedestrian
  1: people
  2: bicycle
  3: car
  4: van
  5: truck
  6: tricycle
  7: awning-tricycle
  8: bus
  9: motor

# Download script/URL (optional) ---------------------------------------------------------------------------------------
download: |
  import os
  from pathlib import Path
  import shutil

  from ultralytics.utils.downloads import download
  from ultralytics.utils import ASSETS_URL, TQDM

  def visdrone2yolo(dir, split, source_name=None):
      """Convert VisDrone annotations to YOLO format with images/{split} and labels/{split} structure."""
      from PIL import Image

      source_dir = dir / (source_name or f"VisDrone2019-DET-{split}")
      images_dir = dir / "images" / split
      labels_dir = dir / "labels" / split
      labels_dir.mkdir(parents=True, exist_ok=True)

      # Move images to new structure
      if (source_images_dir := source_dir / "images").exists():
          images_dir.mkdir(parents=True, exist_ok=True)
          for img in source_images_dir.glob("*.jpg"):
              img.rename(images_dir / img.name)

      for f in TQDM((source_dir / "annotations").glob("*.txt"), desc=f"Converting {split}"):
          img_size = Image.open(images_dir / f.with_suffix(".jpg").name).size
          dw, dh = 1.0 / img_size[0], 1.0 / img_size[1]
          lines = []

          with open(f, encoding="utf-8") as file:
              for row in [x.split(",") for x in file.read().strip().splitlines()]:
                  if row[4] != "0":  # Skip ignored regions
                      x, y, w, h = map(int, row[:4])
                      cls = int(row[5]) - 1
                      # Convert to YOLO format
                      x_center, y_center = (x + w / 2) * dw, (y + h / 2) * dh
                      w_norm, h_norm = w * dw, h * dh
                      lines.append(f"{cls} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}\n")

          (labels_dir / f.name).write_text("".join(lines), encoding="utf-8")

  # Download (ignores test-challenge split)
  dir = Path(yaml["path"])  # dataset root dir
  urls = [
      f"{ASSETS_URL}/VisDrone2019-DET-train.zip",
      f"{ASSETS_URL}/VisDrone2019-DET-val.zip",
      f"{ASSETS_URL}/VisDrone2019-DET-test-dev.zip",
      # f"{ASSETS_URL}/VisDrone2019-DET-test-challenge.zip",
  ]
  download(urls, dir=dir, threads=4)

  # Convert
  splits = {"VisDrone2019-DET-train": "train", "VisDrone2019-DET-val": "val", "VisDrone2019-DET-test-dev": "test"}
  for folder, split in splits.items():
      visdrone2yolo(dir, split, folder)  # convert VisDrone annotations to YOLO labels
      shutil.rmtree(dir / folder)  # cleanup original directory

Link to this section使用方法#

VisDroneデータセットでYOLO26nモデルを画像サイズ640で100epochsトレーニングするには、以下のコードスニペットを使用できます。利用可能な引数の詳細なリストについては、モデルTrainingページを参照してください。

学習例
from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="VisDrone.yaml", epochs=100, imgsz=640)

Link to this sectionサンプルデータとアノテーション#

VisDroneデータセットには、ドローン搭載カメラで撮影された多様な画像と動画が含まれています。以下に、データセットからのデータの例と、それに対応するアノテーションを示します。

VisDroneデータセットの航空ドローン画像とオブジェクト検出

  • タスク 1: 画像内のObject detection - この画像は、画像内のオブジェクト検出の例を示しており、オブジェクトがbounding boxesでアノテーションされています。データセットは、このタスクに向けたモデルの開発を促進するために、様々な場所、環境、密度で撮影された多様な画像を提供しています。

この例は、VisDroneデータセットのデータの多様性と複雑さを示しており、ドローンベースのコンピュータビジョンタスクにおいて高品質なセンサーデータが重要であることを強調しています。

Link to this section引用と謝辞#

VisDroneデータセットを研究や開発で使用する場合は、以下の論文を引用してください。

引用
@ARTICLE{9573394,
  author={Zhu, Pengfei and Wen, Longyin and Du, Dawei and Bian, Xiao and Fan, Heng and Hu, Qinghua and Ling, Haibin},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  title={Detection and Tracking Meet Drones Challenge},
  year={2021},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3119563}}

ドローンベースのコンピュータビジョン研究コミュニティにとって貴重なリソースとしてVisDroneデータセットを作成および維持している、中国・天津大学のMachine LearningおよびData Mining研究所のAISKYEYEチームに感謝いたします。VisDroneデータセットとその作成者に関する詳細については、VisDrone Dataset GitHub repositoryをご覧ください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionVisDroneデータセットとは何ですか?また、その主な特徴は何ですか?#

VisDrone Datasetは、中国・天津大学のAISKYEYEチームによって作成された大規模なベンチマークです。ドローンベースの画像および動画解析に関連する様々なコンピュータビジョンタスク向けに設計されています。主な特徴は以下の通りです。

  • 構成: 288個の動画クリップ(261,908フレーム)と10,209枚の静止画像。
  • アノテーション: 歩行者、車、自転車、三輪車などのオブジェクトに対して260万個以上のbounding boxes。
  • 多様性: 14都市にわたって収集され、都市部および農村部の環境で、様々な天候や照明条件下で撮影。
  • タスク: 5つの主要タスク(画像および動画内のオブジェクト検出、単一およびマルチオブジェクト追跡、群衆計数)に分類。

Link to this sectionUltralyticsを使用してVisDroneデータセットでYOLO26モデルをトレーニングするにはどうすればよいですか?#

VisDroneデータセットでYOLO26モデルを画像サイズ640で100エポックトレーニングするには、以下の手順に従ってください。

学習例
from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n.pt")

# Train the model
results = model.train(data="VisDrone.yaml", epochs=100, imgsz=640)

その他の設定オプションについては、モデルTrainingページを参照してください。

Link to this sectionVisDroneデータセットの主なサブセットと、その用途は何ですか?#

VisDroneデータセットは、特定のコンピュータビジョンタスクに合わせて調整された5つの主要なサブセットに分類されています。

  1. タスク 1: 画像内のオブジェクト検出。
  2. タスク 2: 動画内のオブジェクト検出。
  3. タスク 3: 単一オブジェクト追跡。
  4. タスク 4: マルチオブジェクト追跡。
  5. タスク 5: 群衆計数。

これらのサブセットは、監視、交通監視、公共の安全などのドローンベースのアプリケーションにおいて、deep learningモデルのトレーニングと評価に広く使用されています。

Link to this sectionUltralyticsでVisDroneデータセットの設定ファイルはどこにありますか?#

VisDroneデータセットの設定ファイルVisDrone.yamlは、以下のリンクのUltralyticsリポジトリにあります。 VisDrone.yaml

Link to this sectionVisDroneデータセットを研究で使用する場合、どのように引用すればよいですか?#

VisDroneデータセットを研究や開発で使用する場合は、以下の論文を引用してください。

引用
@ARTICLE{9573394,
  author={Zhu, Pengfei and Wen, Longyin and Du, Dawei and Bian, Xiao and Fan, Heng and Hu, Qinghua and Ling, Haibin},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  title={Detection and Tracking Meet Drones Challenge},
  year={2021},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3119563}
}

コメント