Link to this sectionDOTA8データセット#

Link to this section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（学習用4枚、検証用4枚）で構成される、小規模ながら多目的に使用できる指向性object detection（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、あるいは新しい検出手法を実験するのに最適です。8枚の画像で構成されているため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学習を行う前の健全性チェックとして十分に機能する多様性を備えています。

Link to this section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: 各画像の横に保存された.txtファイル形式のYOLO形式の指向性バウンディングボックス。

• 推奨レイアウト:

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

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#

YAML (Yet Another Markup Language) ファイルを使用してデータセット構成を定義します。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。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

Link to this section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100 epochs学習させるには、以下のコードスニペットを使用できます。利用可能な引数の詳細リストについては、モデルのTraining（学習）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)

Link to this section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。

Link to this section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={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という称賛に値する努力をしてくれた DOTA データセットの背後にいるチームに心から感謝いたします。データセットとそのニュアンスの詳細については、DOTA 公式ウェブサイトをご覧ください。

Link to this sectionよくある質問 (FAQ)#

Link to this sectionDOTA8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？#

DOTA8データセットは、DOTAv1分割セットの最初の8枚の画像から構成される、小規模で多目的な指向性物体検出用データセットであり、学習用として4枚、検証用として4枚が指定されています。これは、Ultralytics YOLO26のような物体検出モデルのテストやデバッグに最適です。扱いやすいサイズと多様性により、パイプラインのエラー特定や、より大規模なデータセットをデプロイする前の健全性チェックに役立ちます。Ultralytics YOLO26を使用した物体検出の詳細については、こちらをご覧ください。

Link to this sectionDOTA8データセットを使用してYOLO26モデルを学習するにはどうすればよいですか？#

DOTA8データセットでYOLO26n-obbモデルを画像サイズ640で100エポック学習させるには、以下のコードスニペットを使用します。引数の詳細オプションについては、モデルのTraining（学習）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)

Link to this sectionDOTAデータセットの主な特徴は何ですか？また、YAMLファイルにはどこからアクセスできますか？#

DOTAデータセットは、その大規模なベンチマークと、航空画像における物体検出がもたらす課題で知られています。DOTA8サブセットは、初期テストに最適な、より小さく管理しやすいデータセットです。パス、クラス、構成詳細を含むdota8.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 sectionモザイク処理は、DOTA8データセットでのモデル学習をどのように強化しますか？#

モザイク処理は、学習中に複数の画像を1つに組み合わせることで、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、シーンに対して汎化するモデルの能力が向上します。この手法は、モザイク処理されたDOTA8データセット画像で構成された学習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。モザイク処理や学習技術の詳細については、当社のTraining（学習）ページをご覧ください。

Link to this section物体検出タスクに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)、instance segmentation（インスタンスセグメンテーション）、そして非常に汎用性の高い学習パイプラインなどの機能を備えた、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学習済みモデルも提供しています。利点や使用方法の詳細については、Ultralytics YOLO26 documentationをご覧ください。