DOTA8データセット#

8

dota8

ultralytics

publicOBB

Sample dataset with 8 aerial images from DOTA for testing YOLO oriented bounding box (OBB) models. Designed for rotated object detection in satellite and drone imagery.

515 classes1 MBFeb 9, 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）で構成された、小規模ながらも多用途な指向性object detection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とデバッグや、新しい検出アプローチの実験に最適です。8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、より大規模なデータセットをトレーニングする前に、トレーニングパイプラインのエラーをテストし、動作確認（サニティチェック）を行うのに十分な多様性を備えています。

データセットの構造#

• 画像: DOTAv1から抽出された8枚の航空写真タイル（学習用4枚、検証用4枚）。

• 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フォーマットの指向性バウンディングボックス。

• ダウンロード: 1 MB。初回トレーニング時に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/

DOTA8 on Ultralytics Platformを探索して、指向性ボックスのオーバーレイが表示された航空写真タイルを閲覧し、Chartsタブでクラス分布やアノテーションのヒートマップを確認し、クラウドで独自のモデルをトレーニングするためにクローンを作成します。

データセット YAML#

YAMLファイルはデータセットの設定を定義するために使用されます。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。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#

DOTA8データセットでYOLO26n-obbモデルを画像サイズ640で100epochs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Trainingページをご参照ください。

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#

以下は、DOTA8データセットの画像とそれに対応するアノテーションの例です。

• 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トレーニングバッチを示しています。モザイク処理は、トレーニング中に複数の画像を1つの画像に結合し、各トレーニングバッチ内のオブジェクトやシーンの多様性を高める技術です。これにより、さまざまなオブジェクトのサイズ、アスペクト比、および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ます。

この例は、DOTA8データセットにおける画像の多様性と複雑さ、および学習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。

引用と謝辞#

研究や開発で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。

@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}
}

このデータセットをキュレートする賞賛に値する努力をしてくださったDOTAデータセットの背後にあるチームに、特別な感謝の意を表します。データセットとそのニュアンスを徹底的に理解するには、公式 DOTA ウェブサイト をご覧ください。

よくある質問 (FAQ)#