Meet YOLO26: next-gen vision AI.

Link to this sectionDOTA128データセット#

Link to this sectionはじめに#

Ultralytics DOTA128は、DOTAv1セットの128枚の画像（トレーニング用128枚、検証用128枚）で構成される、小規模ながらも多目的なオブジェクト検出データセットです。このデータセットは、指向性バウンディングボックス（OBB）モデルのテストやデバッグ、あるいは新しい検出手法の実験に最適です。128枚という画像数は管理が容易でありながら、トレーニングパイプラインのエラーテストや、より大規模なデータセットでトレーニングを行う前の健全性チェック（サニティチェック）として十分に多様な内容を備えています。

Link to this sectionデータセットの構造#

  • 画像: 128枚の航空写真タイル（すべてtrainフォルダ内にあり、トレーニングと検証の両方に使用されます）。DOTAv1から取得。
  • クラス: plane（飛行機）、ship（船舶）、large vehicle（大型車両）など、DOTAv1の15カテゴリを継承しています。
  • ラベル: 各画像の横に.txtファイルとして保存されたYOLO形式の指向性バウンディングボックス。

このデータセットは、Ultralytics Platform および YOLO26 での使用を想定しています。

Link to this sectionデータセットYAML#

データセットの設定定義には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、その他の関連情報が含まれます。DOTA128データセットの場合、dota128.yamlファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota128.yamlで管理されています。

ultralytics/cfg/datasets/dota128.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# DOTA128 dataset (128 images from the DOTAv1 split) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/obb/dota128/
# Example usage: yolo train model=yolo26n-obb.pt data=dota128.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── dota128 ← downloads here (34 MB)

# 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: dota128 # dataset root dir
train: images/train # train images (relative to 'path') 128 images
val: images/train # val images (relative to 'path') 128 images

# Classes for DOTA 1.0
names:
  0: plane
  1: ship
  2: storage tank
  3: baseball diamond
  4: tennis court
  5: basketball court
  6: ground track field
  7: harbor
  8: bridge
  9: large vehicle
  10: small vehicle
  11: helicopter
  12: roundabout
  13: soccer ball field
  14: swimming pool

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/dota128.zip

Link to this section使用方法#

DOTA128データセットでYOLO26n-obbモデルを100エポック、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。

トレーニングの例
from ultralytics import YOLO

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

# Train the model
results = model.train(data="dota128.yaml", epochs=100, imgsz=640)

Link to this sectionサンプル画像とアノテーション#

以下は、DOTA128データセットの画像例と、それに対応するアノテーションです：

DOTA128 oriented bounding box dataset training mosaic
  • モザイク画像: この画像は、モザイク処理されたデータセット画像で構成される学習バッチを示しています。モザイク処理は、学習中に複数の画像を1枚の画像に結合し、各学習バッチ内の物体やシーンの多様性を高めるために使用される手法です。これは、異なる物体のサイズ、アスペクト比、コンテキストに対してモデルが汎化する能力を向上させるのに役立ちます。

この例では、DOTA128データセットにおける画像の多様性と複雑さ、およびトレーニングプロセス中にモザイク処理を使用する利点を示しています。

Link to this section引用と謝辞#

研究や開発作業でDOTA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
@article{9560031,
  author={Ding, Jian and Xue, Nan and Xia, Gui-Song and Bai, Xiang and Yang, Wen and Yang, Michael and Belongie, Serge and Luo, Jiebo and Datcu, Mihai and Pelillo, Marcello and Zhang, Liangpei},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  title={Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges},
  year={2021},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3117983}
}

このデータセットをキュレーションする称賛に値する取り組みを行ったDOTAデータセットのチームに、特別な感謝の意を表します。データセットとその詳細について包括的に理解するには、DOTA公式ウェブサイトをご覧ください。

Link to this sectionFAQ#

Link to this sectionDOTA128データセットとは何ですか？また、どのように使用できますか？#

DOTA128データセットは、DOTAv1セットの128枚の画像（すべてtrainフォルダ内に保存）で構成される、多目的な指向性オブジェクト検出データセットです。トレーニングと検証の両方に同じ画像セットを使用するため、迅速なテストやデバッグのワークフローに最適です。Ultralytics YOLO26のようなOBBモデルのテストやデバッグに適しています。扱いやすいサイズと多様性により、より大きなデータセットを展開する前のパイプラインエラーの特定や健全性チェックに役立ちます。Ultralytics YOLO26でのOBB検出の詳細をご覧ください。

Link to this sectionDOTA128データセットを使用して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？#

DOTA128データセットでYOLO26n-obbモデルを100エポック、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。包括的な引数オプションについては、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-obb.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="dota128.yaml", epochs=100, imgsz=640)

Link to this sectionDOTAデータセットの主な特徴は何ですか？また、YAMLファイルはどこから入手できますか？#

DOTAデータセットは、その大規模なベンチマークと、航空画像におけるオブジェクト検出にもたらす課題で知られています。DOTA128サブセットは、DOTA8よりも多様性を提供しつつ、初期テストには扱いやすいサイズを維持しています。パス、クラス、設定の詳細を含むdota128.yamlファイルには、このGitHubリンクからアクセスできます。

Link to this sectionDOTA128は他のDOTAデータセットバリアントとどのように比較されますか？#

DOTA128（128枚の画像）は、サイズという点でDOTA8（8枚の画像）と完全なDOTA-v1データセット（1,869枚の画像）の中間に位置します：

  • DOTA8: わずか8枚の画像（train 4枚、val 4枚）で構成 - 迅速なテストやデバッグに最適
  • DOTA128: 128枚の画像で構成（すべてtrainフォルダ内にあり、trainとvalの両方に使用） - サイズと多様性のバランスが良好
  • Full DOTA-v1: 1,869枚の画像で構成 - 包括的だがリソースを多く消費する

DOTA128は適度な中間点を提供し、DOTA8よりも多様性を備えつつ、実験や初期のモデル開発においてフルDOTAデータセットよりもはるかに扱いやすいのが特徴です。

Link to this sectionモザイク処理は、DOTA128データセットでのモデルトレーニングをどのように強化しますか？#

モザイク処理はトレーニング中に複数の画像を1つに結合し、各バッチ内のオブジェクトとコンテキストの多様性を高めます。これにより、さまざまなオブジェクトサイズ、アスペクト比、シーンに対するモデルの汎化能力が向上します。この手法は、DOTA128データセットの画像をモザイク処理して構成されたトレーニングバッチを通じて視覚的に実証でき、堅牢なモデル開発に役立ちます。モザイク処理やトレーニング手法の詳細については、当社のトレーニングページをご覧ください。

Link to this section指向性オブジェクト検出タスクにUltralytics YOLO26を使用すべき理由は何ですか？#

Ultralytics YOLO26は、指向性バウンディングボックス（OBB）、インスタンスセグメンテーション、および非常に多目的なトレーニングパイプラインなど、最先端のリアルタイムオブジェクト検出機能を提供します。さまざまなアプリケーションに適しており、効率的なファインチューニングが可能な事前トレーニング済みモデルも提供しています。利点と使用法の詳細については、Ultralytics YOLO26ドキュメントをご覧ください。

Contributors
LALaughing-q1

コメント