DOTA8データセット#

8

dota8

ultralytics

publicOBB

DOTA8 is Ultralytics' minimal oriented-box smoke-test set: four training and four validation aerial images sampled from DOTA. It uses the canonical 15-class taxonomy and real rotated quadrilaterals for rapid validation of OBB loading, augmentation, training, and export.

515 classes1 MBSep 2, 2026

planeshipstorage tankbaseball diamond+11

はじめに#

Ultralytics DOTA8は、分割されたDOTAv1セットの最初の8枚の画像（トレーニング用4枚、検証用4枚）で構成される、小規模ながら汎用性の高い指向性物体検出データセットです。このデータセットは、物体検出モデルのテストやデバッグ、新しい検出手法の実験に最適です。8枚の画像で構成されているため容易に管理できる一方、トレーニングパイプラインのエラー検証や、より大規模なデータセットをトレーニングする前のサニティチェックに利用できる十分な多様性も備えています。

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8枚（トレーニング4枚、検証4枚）。

• 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: 1 MB。初回のトレーニング時にUltralytics GitHubアセットから自動的に取得されます。

• 推奨レイアウト:

  datasets/dota8/
  ├── images/
  │   ├── train/
  │   └── val/
  └── labels/
      ├── train/
      └── val/

Ultralytics PlatformでDOTA8を探索して、指向性ボックスのオーバーレイ付き航空画像タイルを確認できます。また、Chartsタブでクラス分布とアノテーションヒートマップを表示したり、クローンしてクラウド上で独自のモデルをトレーニングしたりできます。

データセット YAML#

データセットの設定を定義するにはYAMLファイルを使用します。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ています。DOTA8データセットの場合、dota8.yamlファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota8.yamlで管理されています。

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# DOTA8 dataset (8 images from the DOTAv1 split) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/obb/dota8
# Example usage: yolo train model=yolov8n-obb.pt data=dota8.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── dota8 ← downloads here (1 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: dota8 # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 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/dota8.zip

使用方法#

画像サイズ640でDOTA8データセット上のYOLO26n-obbモデルを100エポック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="dota8.yaml", epochs=100, imgsz=640)

サンプル画像とアノテーション#

以下に、DOTA8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。

この例は、DOTA8データセットに含まれる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化を使用する利点を示しています。

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#