DOTA128 데이터셋

128

DOTA128

ultralytics

PublicOBB

Compact sample of aerial and satellite image tiles for testing oriented detection, created by Ultralytics from Wuhan University's DOTA v1.0. Large enough for quick training and augmentation checks beyond DOTA8, yet too small for benchmarking; use full DOTA v1.0 or v1.5 for real results. Source: Xia, Bai, Ding, et al., "DOTA: A Large-Scale Dataset for Object Detection in Aerial Images," CVPR 2018; captain-whu.github.io/DOTA.

15 classes26.7 MBOct 23, 2026

planeshipstorage tankbaseball diamond+11

aerialobbremote-sensing+2

소개#

Ultralytics DOTA128은 DOTAv1에서 가져온 이미지 128개로 구성된 소규모 방향성 객체 감지 데이터셋이며, 이 이미지들은 학습 및 검증 분할에 모두 사용됩니다. 이 데이터셋은 방향성 바운딩 박스(OBB) 모델을 테스트하고 디버깅하거나 새로운 감지 접근 방식을 실험하는 데 적합합니다. 이미지가 128개로 관리하기 쉬운 규모이면서도 다양성을 갖춰, 학습 파이프라인의 오류를 테스트하고 더 큰 데이터셋을 학습하기 전에 기본 동작을 점검할 수 있습니다.

데이터셋 구조#

• 이미지: DOTAv1에서 가져온 항공 타일 128개(모두 train 폴더에 있으며, 학습과 검증에 모두 사용)입니다.
• 클래스: 비행기, 선박, 대형 차량 등 DOTAv1의 15개 카테고리를 그대로 사용합니다.
• 라벨: 각 이미지와 같은 위치에 .txt 파일로 저장된 YOLO 형식의 방향성 바운딩 박스입니다.
• 다운로드: 34MB이며, 처음 학습을 시작할 때 Ultralytics GitHub 에셋에서 자동으로 가져옵니다.

이 데이터셋은 Ultralytics Platform 및 YOLO26과 함께 사용하도록 설계되었습니다.

데이터셋 YAML#

데이터셋 구성을 정의하려면 YAML 파일을 사용합니다. 이 파일에는 데이터셋 경로와 클래스 및 기타 관련 정보가 포함됩니다. DOTA128 데이터셋의 경우 dota128.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota128.yaml에서 관리합니다.

# 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

사용법#

이미지 크기를 640으로 설정하고 DOTA128 데이터셋에서 YOLO26n-obb 모델을 100 에폭 동안 학습하려면 다음 코드 스니펫을 사용할 수 있습니다.

from ultralytics import YOLO

# 모델 로드
model = YOLO("yolo26n-obb.pt")  # 사전 학습된 모델을 불러옵니다(학습에 권장).

# 모델 학습
results = model.train(data="dota128.yaml", epochs=100, imgsz=640)

샘플 이미지 및 어노테이션#

다음은 DOTA128 데이터셋의 이미지와 해당 어노테이션 예시입니다:

• 모자이크 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 모자이크 처리는 학습 중 여러 이미지를 하나의 이미지로 결합해 각 학습 배치에 포함되는 객체와 장면의 다양성을 높이는 기법입니다. 이 기법은 모델이 다양한 객체 크기, 종횡비 및 맥락에 일반화하는 능력을 향상하는 데 도움이 됩니다.

이 예시는 DOTA128 데이터셋 이미지의 다양성과 복잡성, 그리고 학습 과정에서 모자이킹을 사용하는 이점을 보여줍니다.

인용 및 감사의 글#

연구 또는 개발 작업에서 DOTA 데이터셋을 사용하는 경우 다음 논문을 인용해 주세요:

@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}
}

DOTA 데이터셋을 선별해 주신 팀에 감사드립니다. 데이터셋에 대한 자세한 내용은 공식 DOTA 웹사이트를 방문하세요.

자주 묻는 질문#