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、小規模ながら汎用性の高い回転物体検出データセットです。DOTAv1の分割データから最初の8枚の画像を使用し、トレーニング用が4枚、検証用が4枚です。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。画像は8枚と少ないため扱いやすく、それでいて十分な多様性があり、大規模なデータセットで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、簡易的な健全性チェックを行えます。

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（train 4枚、val 4枚）。

• クラス：飛行機、船、大型車両など、DOTAv1の15カテゴリを継承します。

• ラベル：YOLO形式の回転バウンディングボックスは、各画像と同じ場所にある.txtファイルに保存されます。

• 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上のDOTA8では、回転ボックスのオーバーレイ付きで航空画像タイルを閲覧したり、Chartsタブでクラス分布やアノテーションヒートマップを確認したり、データセットを複製してクラウド上で独自モデルをトレーニングしたりできます。

データセットYAML#

データセット設定の定義には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、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

# モデルを読み込む
model = YOLO("yolo26n-obb.pt")  # 事前トレーニング済みモデルを読み込みます（トレーニングにはこちらを推奨します）

# モデルをトレーニングする
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)

サンプル画像とアノテーション#

DOTA8データセットの画像と、それぞれに対応するアノテーションの例を以下に示します。

• モザイク画像: モザイク化し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。モザイク化はトレーニング中に使用される手法で、複数の画像を1枚にまとめ、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、コンテキストに対するモデルの汎化性能が向上します。

この例は、DOTA8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}
}

このデータセットを作成したDOTAデータセットチームの尽力に、心より感謝します。データセットとその特性について詳しく知るには、DOTA公式ウェブサイトをご覧ください。

よくある質問#