xViewデータセット
xViewデータセットは一般に公開されている俯瞰画像のデータセットの中でも最大級のもので、世界中の複雑なシーンの画像がバウンディングボックスを使って注釈付けされている。xViewデータセットの目的は、コンピュータビジョンの4つのフロンティアにおける進歩を加速することである:
- 検出のための最小解像度を下げる。
- 学習効率を高める。
- より多くのオブジェクトクラスの発見を可能にする。
- 細かいクラスの検出を改善する。
xViewは、Common Objects in Context (COCO)のようなチャレンジの成功の上に構築され、新しい方法で視覚世界を理解し、様々な重要なアプリケーションに対処するために、宇宙からの利用可能な画像の増加量を分析するためにコンピュータビジョンを活用することを目指しています。
主な特徴
- xViewには60のクラスにわたって100万以上のオブジェクト・インスタンスが含まれている。
- このデータセットの解像度は0.3メートルで、一般に公開されている衛星画像データセットよりも高解像度の画像を提供している。
- xViewは、バウンディングボックスのアノテーションが付いた、小さいオブジェクト、珍しいオブジェクト、細かいオブジェクト、マルチタイプのオブジェクトなど、多様なコレクションを備えています。
- TensorFlow オブジェクト検出APIを使用して事前にトレーニングされたベースラインモデルと、以下のサンプルが付属しています。 PyTorch.
データセット構造
xViewデータセットは、WorldView-3衛星から0.3mの地上標本距離で収集された衛星画像で構成されている。1,400km²以上の画像に60のクラスにわたって100万以上のオブジェクトが含まれている。
アプリケーション
xViewデータセットは、俯瞰画像における物体検出のためのディープラーニングモデルの訓練と評価に広く利用されている。このデータセットの多様なオブジェクトクラスと高解像度画像は、コンピュータビジョン分野、特に衛星画像解析の研究者や実務家にとって貴重なリソースとなっている。
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われる。このファイルにはデータセットのパス、クラス、その他の関連情報が含まれます。xView データセットの場合は xView.yaml
ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/xView.yaml.
ultralytics/cfg/datasets/xView.yaml
# Ultralytics YOLO 🚀, AGPL-3.0 license
# DIUx xView 2018 Challenge https://challenge.xviewdataset.org by U.S. National Geospatial-Intelligence Agency (NGA)
# -------- DOWNLOAD DATA MANUALLY and jar xf val_images.zip to 'datasets/xView' before running 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: ../datasets/xView # dataset root dir
train: images/autosplit_train.txt # train images (relative to 'path') 90% of 847 train images
val: images/autosplit_val.txt # train 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
import os
from pathlib import Path
import numpy as np
from PIL import Image
from tqdm import tqdm
from ultralytics.data.utils import autosplit
from ultralytics.utils.ops import xyxy2xywhn
def convert_labels(fname=Path('xView/xView_train.geojson')):
# Convert xView geoJSON labels to YOLO format
path = fname.parent
with open(fname) as f:
print(f'Loading {fname}...')
data = json.load(f)
# Make dirs
labels = Path(path / 'labels' / 'train')
os.system(f'rm -rf {labels}')
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']:
id = p['image_id']
file = path / 'train_images' / id
if 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 0-60
assert 59 >= cls >= 0, f'incorrect class index {cls}'
# Write YOLO label
if id not in shapes:
shapes[id] = Image.open(file).size
box = xyxy2xywhn(box[None].astype(np.float), w=shapes[id][0], h=shapes[id][1], clip=True)
with open((labels / id).with_suffix('.txt'), 'a') 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 {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データセットで画像サイズ640のモデルを100エポック学習させるには、以下のコードスニペットを使用します。利用可能な引数の包括的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。
列車の例
サンプルデータと注釈
xViewデータセットには、バウンディングボックスを使用して注釈が付けられたオブジェクトの多様なセットを持つ高解像度の衛星画像が含まれています。このデータセットに含まれるデータの例を、対応するアノテーションとともに紹介します:
- 俯瞰画像:この画像は俯瞰画像における物体検出の例を示しており、物体はバウンディングボックスで注釈されている。このデータセットは、このタスクのモデル開発を容易にするために、高解像度の衛星画像を提供しています。
この例は、xViewデータセットのデータの多様性と複雑性を示し、物体検出タスクにおける高品質衛星画像の重要性を強調している。
引用と謝辞
研究開発で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:
@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}
}
国防イノベーションユニット(DIU)と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貴重な貢献に感謝したい。xViewデータセットとその作成者についての詳細は、xViewデータセットのウェブサイトをご覧ください。
よくあるご質問
xViewデータセットとはどのようなもので、コンピュータ・ビジョン研究にどのように役立つのでしょうか?
xViewデータセットは、一般に公開されている高解像度俯瞰画像のコレクションとしては最大級のもので、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んでいる。このデータセットは、検出のための最小解像度の低減、学習効率の向上、より多くのオブジェクトクラスの発見、きめ細か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ように設計されています。
Ultralytics YOLO を使って 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いいですか?
Ultralytics YOLO を使って xView データセットでモデルをトレーニングするには、以下のステップに従う:
列車の例
詳細な引数と設定については、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?
xViewデータセットは、その包括的な特徴によって際立っている:
- 60のクラスで100万以上のオブジェクトインスタンス。
- 0.3メートルの高解像度画像。
- 小さなオブジェクト、希少なオブジェクト、細かなオブジェクトなど、多様なオブジェクトタイプがあり、すべてバウンディングボックスで注釈されている。
- 事前に訓練されたベースラインモデルと例題は、以下のサイトから入手できます。 TensorFlowおよびPyTorch 。
xViewのデータセットの構造とアノテーションは?
xViewデータセットは、WorldView-3衛星から0.3mの地上標本距離で収集された高解像度衛星画像で構成されている。約1,400 km²の画像に60のクラスにわたって100万以上のオブジェクトが含まれている。データセット内の各オブジェクトはバウンディングボックスで注釈されており、俯瞰画像内の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訓練と評価に最適です。詳細な概要については、こちらのデータセット構造のセクションをご覧ください。
研究でxViewデータセットを引用するには?
xViewデータセットを研究に利用する場合は、以下の論文を引用してください:
@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、xViewデータセットの公式ウェブサイトをご覧ください。