DOTA128データセット#
はじめに#
Ultralytics DOTA128は、DOTAv1セットから抽出された128枚の画像で構成される、小規模ながら汎用性の高いオブジェクト検出データセットであり、トレーニングおよび検証の分割の両方として機能します。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アプローチの実験に最適です。128枚の画像により、簡単に管理できるほど小規模でありながら、トレーニングパイプラインのエラーをテストし、より大規模なデータセットをトレーニングする前の健全性チェックとして機能するのに十分な多様性を備えています。
データセットの構成#
- 画像: DOTAv1から取得した航空画像タイル128枚（すべてtrainフォルダーにあり、trainとvalの両方に使用）。
- クラス: 飛行機、船、大型車両など、DOTAv1の15カテゴリを継承しています。
- ラベル: 指向性バウンディングボックスをYOLO形式で保存したもので、各画像の横にある
.txtファイルに格納されています。 - ダウンロード: 34 MB。初回のトレーニング時に、Ultralytics GitHubのアセットから自動的に取得されます。
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。
データセット YAML#
YAMLファイルを使用してデータセットの設定を定義します。データセットのパス、クラス、その他の関連情報が含まれています。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 🚀 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使用方法#
DOTA128データセットでYOLO26n-obbモデルを画像サイズ640、100エポックでトレーニングするには、次のコードスニペットを使用できます。利用可能な引数の一覧については、モデルのトレーニングページを参照してください。
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)サンプル画像とアノテーション#
以下に、DOTA128データセットの画像例と、それぞれに対応するアノテーションを示します。
- モザイク化画像: この画像は、モザイク化されたデータセット画像で構成されたトレーニングバッチを示しています。モザイク化は、トレーニング中に複数の画像を1枚の画像に組み合わせ、各トレーニングバッチ内の物体やシーンの多様性を高める技法です。これにより、さまざまな物体サイズ、アスペクト比、コンテキストに対するモデルの汎化性能を向上させます。
この例では、DOTA128データセットの画像の多様性と複雑さ、およびトレーニングプロセスでモザイク処理を使用する利点を紹介しています。
引用と謝辞#
研究または開発作業でDOTAデータセットを使用する場合は、次の論文を引用してください。
@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={2022},
volume={44},
number={11},
pages={7778-7796},
doi={10.1109/TPAMI.2021.3117983}
}このデータセットのキュレーションに尽力したDOTAデータセット開発チームに、特別な感謝を表します。データセットとその特徴を詳しく理解するには、DOTA公式Webサイトをご覧ください。
FAQ#
DOTA128データセットは、DOTAv1セットの画像128枚で構成された、汎用性の高い回転物体検出データセットです。すべての画像がtrainフォルダーに保存されています。トレーニングと検証の両方で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などのOBBモデルのテストやデバッグにも適しています。管理しやすいサイズと多様性を備えているため、より大規模なデータセットをデプロイする前に、パイプラインのエラー特定やサニティチェックを行えます。Ultralytics YOLO26によるOBB検出の詳細をご覧ください。
DOTA128データセットでYOLO26n-obbモデルを画像サイズ640、100エポックでトレーニングするには、次のコードスニペットを使用できます。引数の詳細な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)DOTAデータセットは、大規模なベンチマークであることと、航空画像の物体検出で生じる課題で知られています。DOTA128サブセットは、DOTA8よりも多様性が高く、初期テストにも扱いやすい規模を維持しています。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。DOTA128（128枚の画像）は、規模の面でDOTA8（8枚の画像）と完全なDOTA-v1データセット（1,869枚のラベル付き学習および検証用画像）の間に位置します。
- DOTA8: 画像わずか8枚（train 4枚、val 4枚）を含み、迅速なテストやデバッグに最適です
- DOTA128: 画像128枚（すべてtrainフォルダーにあり、trainとvalの両方に使用）を含み、規模と多様性のバランスが取れています
- 完全なDOTA-v1: 1,869枚のラベル付き学習および検証用画像を含みます - 包括的ですが、リソースを大量に消費します
DOTA128は、DOTA8よりも多様性が高く、完全版DOTAデータセットよりもはるかに扱いやすいため、実験やモデル開発の初期段階に適した中間的な選択肢です。
モザイク処理では、トレーニング中に複数の画像を1枚に結合することで、各バッチ内の物体やコンテキストの多様性を高めます。これにより、異なる物体サイズ、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、モザイク処理したDOTA128データセットの画像で構成されたトレーニングバッチを通じて視覚的に示すことができ、堅牢なモデル開発に役立ちます。モザイク処理とトレーニング手法の詳細については、トレーニングページをご覧ください。
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、非常に汎用性の高いトレーニングパイプラインなどの機能を備え、最先端のリアルタイム物体検出機能を提供します。さまざまな用途に適しており、効率的なファインチューニングのための事前トレーニング済みモデルも用意されています。メリットと使用方法の詳細については、Ultralytics YOLO26ドキュメントをご覧ください。