GitHubでページを編集 (EN)

xView データセット

xView データセットは、公開されている最大規模の俯瞰画像データセットの一つであり、世界中の複雑なシーンを撮影した画像にバウンディングボックスのアノテーションが施されています。xView データセットの目的は、コンピュータビジョンにおける4つのフロンティアの進歩を加速させることです。

  1. 検出に必要な最小解像度の削減。
  2. 学習効率の向上。
  3. より多くのオブジェクトクラスの発見を可能にする。
  4. 微細なオブジェクトクラスの検出精度向上。

xView は Common Objects in Context (COCO) などのコンテストの成功を基盤としており、宇宙から得られる増大する画像データをコンピュータビジョンで解析し、視覚世界を新しい視点で理解して様々な重要な用途に取り組むことを目指しています。

手動ダウンロードが必要

xView データセットは Ultralytics スクリプトによって自動的にダウンロードされることはありません。まず公式サイトからデータセットを自分で手動でダウンロードする必要があります。

重要: 必要なファイル (例: train_images.tif, val_images.tif, xView_train.geojson) をダウンロードした後、それらを展開し、適切なディレクトリ構造 (通常は datasets/xView/ フォルダ内) に配置する必要があります。これは、以下に示すトレーニングコマンドを実行する前に行ってください。チャレンジの指示に従い、データセットが正しく設定されていることを確認してください。

主な特徴

  • xView には、60クラスにわたる100万以上のオブジェクトインスタンスが含まれています。
  • このデータセットは0.3メートルの解像度を持っており、ほとんどの公開衛星画像データセットよりも高精細な画像を提供します。
  • xView は、バウンディングボックスのアノテーションが施された、小さく希少で微細な多種類のオブジェクトを豊富に収録しています。
  • TensorFlow オブジェクト検出 API を使用した事前学習済みベースラインモデルと、PyTorch の例が付属しています。

データセットの構造

xView データセットは、0.3mの地上サンプリング距離で WorldView-3 衛星によって収集された衛星画像で構成されています。これには、1,400平方キロメートル以上の画像内に60クラス、100万以上のオブジェクトが含まれています。このデータセットは、リモートセンシングアプリケーションや環境モニタリングに特に価値があります。

アプリケーション

xView データセットは、俯瞰画像におけるオブジェクト検出のための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。多様なオブジェクトクラスと高解像度画像により、コンピュータビジョンの分野、特に衛星画像解析を行う研究者や専門家にとって貴重なリソースです。主な用途は以下の通りです。

  • 軍事および防衛偵察
  • 都市計画および開発
  • 環境モニタリング
  • 災害対応および評価
  • インフラのマッピングと管理

データセットYAML

データセットの設定には YAML (Yet Another Markup Language) ファイルが使用されます。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。xView データセットの場合、xView.yaml ファイルが https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/xView.yaml で管理されています。

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

# DIUx xView 2018 Challenge dataset https://challenge.xviewdataset.org by U.S. National Geospatial-Intelligence Agency (NGA)
# --------  Download and extract data manually to `datasets/xView` before running the train command.  --------
# Documentation: https://docs.ultralytics.com/datasets/detect/xview/
# Example usage: yolo train data=xView.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── xView ← downloads here (20.7 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: xView # dataset root dir
train: images/autosplit_train.txt # train images (relative to 'path') 90% of 847 train images
val: images/autosplit_val.txt # val images (relative to 'path') 10% of 847 train images

# Classes
names:
  0: Fixed-wing Aircraft
  1: Small Aircraft
  2: Cargo Plane
  3: Helicopter
  4: Passenger Vehicle
  5: Small Car
  6: Bus
  7: Pickup Truck
  8: Utility Truck
  9: Truck
  10: Cargo Truck
  11: Truck w/Box
  12: Truck Tractor
  13: Trailer
  14: Truck w/Flatbed
  15: Truck w/Liquid
  16: Crane Truck
  17: Railway Vehicle
  18: Passenger Car
  19: Cargo Car
  20: Flat Car
  21: Tank car
  22: Locomotive
  23: Maritime Vessel
  24: Motorboat
  25: Sailboat
  26: Tugboat
  27: Barge
  28: Fishing Vessel
  29: Ferry
  30: Yacht
  31: Container Ship
  32: Oil Tanker
  33: Engineering Vehicle
  34: Tower crane
  35: Container Crane
  36: Reach Stacker
  37: Straddle Carrier
  38: Mobile Crane
  39: Dump Truck
  40: Haul Truck
  41: Scraper/Tractor
  42: Front loader/Bulldozer
  43: Excavator
  44: Cement Mixer
  45: Ground Grader
  46: Hut/Tent
  47: Shed
  48: Building
  49: Aircraft Hangar
  50: Damaged Building
  51: Facility
  52: Construction Site
  53: Vehicle Lot
  54: Helipad
  55: Storage Tank
  56: Shipping container lot
  57: Shipping Container
  58: Pylon
  59: Tower

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

  import numpy as np
  from PIL import Image

  from ultralytics.utils import TQDM
  from ultralytics.data.split import autosplit
  from ultralytics.utils.ops import xyxy2xywhn

  def convert_labels(fname=Path("xView/xView_train.geojson")):
      """Convert xView GeoJSON labels to YOLO format (classes 0-59) and save them as text files."""
      path = fname.parent
      with open(fname, encoding="utf-8") as f:
          print(f"Loading {fname}...")
          data = json.load(f)

      # Make dirs
      labels = path / "labels" / "train"
      shutil.rmtree(labels, ignore_errors=True)
      labels.mkdir(parents=True, exist_ok=True)

      # xView classes 11-94 to 0-59
      xview_class2index = [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, 0, 1, 2, -1, 3, -1, 4, 5, 6, 7, 8, -1, 9, 10, 11,
                           12, 13, 14, 15, -1, -1, 16, 17, 18, 19, 20, 21, 22, -1, 23, 24, 25, -1, 26, 27, -1, 28, -1,
                           29, 30, 31, 32, 33, 34, 35, 36, 37, -1, 38, 39, 40, 41, 42, 43, 44, 45, -1, -1, -1, -1, 46,
                           47, 48, 49, -1, 50, 51, -1, 52, -1, -1, -1, 53, 54, -1, 55, -1, -1, 56, -1, 57, -1, 58, 59]

      shapes = {}
      for feature in TQDM(data["features"], desc=f"Converting {fname}"):
          p = feature["properties"]
          if p["bounds_imcoords"]:
              image_id = p["image_id"]
              image_file = path / "train_images" / image_id
              if image_file.exists():  # 1395.tif missing
                  try:
                      box = np.array([int(num) for num in p["bounds_imcoords"].split(",")])
                      assert box.shape[0] == 4, f"incorrect box shape {box.shape[0]}"
                      cls = p["type_id"]
                      cls = xview_class2index[int(cls)]  # xView class to 0-59
                      assert 59 >= cls >= 0, f"incorrect class index {cls}"

                      # Write YOLO label
                      if image_id not in shapes:
                          shapes[image_id] = Image.open(image_file).size
                      box = xyxy2xywhn(box[None].astype(float), w=shapes[image_id][0], h=shapes[image_id][1], clip=True)
                      with open((labels / image_id).with_suffix(".txt"), "a", encoding="utf-8") as f:
                          f.write(f"{cls} {' '.join(f'{x:.6f}' for x in box[0])}\n")  # write label.txt
                  except Exception as e:
                      print(f"WARNING: skipping one label for {image_file}: {e}")

  # Download manually from https://challenge.xviewdataset.org
  dir = Path(yaml["path"])  # dataset root dir
  # urls = [
  #     "https://d307kc0mrhucc3.cloudfront.net/train_labels.zip",  # train labels
  #     "https://d307kc0mrhucc3.cloudfront.net/train_images.zip",  # 15G, 847 train images
  #     "https://d307kc0mrhucc3.cloudfront.net/val_images.zip",  # 5G, 282 val images (no labels)
  # ]
  # download(urls, dir=dir)

  # Convert labels
  convert_labels(dir / "xView_train.geojson")

  # Move images
  images = Path(dir / "images")
  images.mkdir(parents=True, exist_ok=True)
  Path(dir / "train_images").rename(dir / "images" / "train")
  Path(dir / "val_images").rename(dir / "images" / "val")

  # Split
  autosplit(dir / "images" / "train")

使用方法

xView データセットでモデルを100 エポック分、画像サイズ640で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、モデルのトレーニングページを参照してください。

トレーニングの例
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="xView.yaml", epochs=100, imgsz=640)

サンプルデータとアノテーション

xView データセットには、バウンディングボックスでアノテーションされた多様なオブジェクトを含む高解像度衛星画像が含まれています。以下に、データセットのデータ例と対応するアノテーションを示します。

xView データセットの俯瞰衛星画像とオブジェクト検出

  • 俯瞰画像: この画像は、オブジェクトがバウンディングボックスでアノテーションされた、俯瞰画像におけるオブジェクト検出の例を示しています。このデータセットは、このタスクに向けたモデル開発を促進するための高解像度衛星画像を提供します。

この例は、xView データセット内のデータの多様性と複雑さを示しており、オブジェクト検出タスクにおける高品質な衛星画像の重要性を強調しています。

関連データセット

衛星画像の研究を行っている場合、以下の関連データセットにも関心があるかもしれません。

  • DOTA-v2: 空中画像における傾きのあるオブジェクト検出のためのデータセット
  • VisDrone: ドローンで撮影された画像におけるオブジェクト検出と追跡のためのデータセット
  • Argoverse: 3D追跡アノテーションを含む自動運転用データセット

引用と謝辞

研究や開発活動で xView データセットを使用する場合は、以下の論文を引用してください。

引用
@misc{lam2018xview,
      title={xView: Objects in Context in Overhead Imagery},
      author={Darius Lam and Richard Kuzma and Kevin McGee and Samuel Dooley and Michael Laielli and Matthew Klaric and Yaroslav Bulatov and Brendan McCord},
      year={2018},
      eprint={1802.07856},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Defense Innovation Unit (DIU) および xView データセットの作成者のコンピュータビジョン研究コミュニティへの多大な貢献に感謝いたします。xView データセットとその作成者に関する詳細については、xView データセットのウェブサイトをご覧ください。

FAQ

xView データセットとは何か、そしてどのようにコンピュータビジョン研究に貢献するのか？

xView データセットは、60クラスにわたる100万以上のオブジェクトインスタンスを含む、公開されている最大規模の高解像度俯瞰画像コレクションの一つです。これは、検出のための最小解像度の削減、学習効率の向上、より多くのオブジェクトクラスの発見、微細なオブジェクト検出の進歩など、コンピュータビジョン研究の様々な側面を強化するために設計されています。

Ultralytics YOLO を使用して xView データセットでモデルをトレーニングするにはどうすればよいか？

Ultralytics YOLO を使用して xView データセットでモデルをトレーニングするには、以下の手順に従ってください。

トレーニングの例
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="xView.yaml", epochs=100, imgsz=640)

詳細な引数や設定については、モデルのトレーニングページを参照してください。

xView データセットの主な特徴は何か？

xView データセットは、その包括的な機能により際立っています。

  • 60の異なるクラスにわたる100万以上のオブジェクトインスタンス。
  • 0.3メートルという高解像度の画像。
  • 小さく希少で微細なものを含む多様なオブジェクトタイプ。すべてバウンディングボックスでアノテーション済み。
  • TensorFlow および PyTorch での事前学習済みベースラインモデルとサンプルコードの利用可能性。

xView のデータセット構造はどうなっており、どのようにアノテーションされているか？

xView データセットには、0.3mの地上サンプリング距離で WorldView-3 衛星によって撮影された高解像度衛星画像が含まれており、約1,400平方キロメートルのアノテーション済み画像内に60の異なるクラス、100万以上のオブジェクトをカバーしています。各オブジェクトはバウンディングボックスでラベル付けされており、俯瞰ビューにおけるオブジェクト検出のためのディープラーニングモデルのトレーニングと評価に非常に適しています。詳細については、データセット構造セクションを参照してください。

研究で xView データセットを引用するにはどうすればよいか？

研究で xView データセットを使用する場合は、以下の論文を引用してください。

引用
@misc{lam2018xview,
    title={xView: Objects in Context in Overhead Imagery},
    author={Darius Lam and Richard Kuzma and Kevin McGee and Samuel Dooley and Michael Laielli and Matthew Klaric and Yaroslav Bulatov and Brendan McCord},
    year={2018},
    eprint={1802.07856},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}

xView データセットの詳細については、公式サイトである xView データセットのウェブサイトをご覧ください。

Contributors
GitHubでページを編集 (EN)
GLglenn-jocher16PDpderrenger1MAMatthewNoyce1RIRizwanMunawar1JKjk4e1

コメント