콘텐츠로 건너뛰기

DOTA128 데이터셋

소개

Ultralytics DOTA128은 DOTAv1 세트에서 추출한 128개의 이미지로 구성된 소규모이지만 다목적 지향 객체 탐지 데이터셋으로, 훈련 및 검증용으로 각각 128개씩 사용됩니다. 이 데이터셋은 지향 경계 상자(OBB) 모델 테스트 및 디버깅, 또는 새로운 탐지 기법 실험에 이상적입니다. 128개의 이미지로 구성되어 있어 관리하기에 충분히 작으면서도, 오류 검출을 위한 훈련 파이프라인 테스트 및 대규모 데이터셋 훈련 전 사전 검증(sanity check)을 수행하기에 충분한 다양성을 갖추고 있습니다.

데이터 세트 구조

  • 이미지: DOTAv1에서 가져온 128개의 항공 타일(모두 train 폴더에 있으며, train과 val 모두에 사용됨).
  • 클래스: 비행기, 선박, 대형 차량 등 15개의 DOTAv1 카테고리를 상속합니다.
  • 레이블: YOLO 형식의 경계 상자는 다음과 같이 저장됩니다. .txt 파일 옆에 있습니다.

이 데이터셋은 Ultralytics Platform 및 YOLO26과 함께 사용하도록 고안되었습니다.

데이터세트 YAML

YAML(Yet Another Markup Language) 파일은 데이터셋 구성을 정의하는 데 사용됩니다. 이 파일에는 데이터셋의 경로, 클래스 및 기타 관련 정보가 포함됩니다. DOTA128 데이터셋의 경우, dota128.yaml 파일은 다음 위치에서 관리됩니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota128.yaml.

ultralytics.yaml

# 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

DOTA128 데이터셋에서obb 100 에포크 동안 640 크기의 이미지로 훈련하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 모든 인자 목록은 모델 훈련 페이지를 참조하십시오.

훈련 예제

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="dota128.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo obb train data=dota128.yaml model=yolo26n-obb.pt epochs=100 imgsz=640

샘플 이미지 및 주석

다음은 DOTA128 데이터셋의 이미지 예시와 해당 주석입니다:

DOTA128 방향성 바운딩 박스 데이터셋 훈련 모자이크

  • 모자이크 이미지: 이 이미지는 모자이크 데이터 세트 이미지로 구성된 훈련 배치를 보여줍니다. 모자이킹은 각 훈련 배치 내에서 객체와 장면의 다양성을 높이기 위해 여러 이미지를 단일 이미지로 결합하는 훈련 중 사용되는 기술입니다. 이는 모델이 다양한 객체 크기, 종횡비 및 컨텍스트로 일반화하는 능력을 향상시키는 데 도움이 됩니다.

이 예시는 DOTA128 데이터셋 내 이미지의 다양성과 복잡성을 보여주며, 훈련 과정에서 모자이킹 기법을 활용할 때의 이점을 입증합니다.

인용 및 감사의 말씀

DOTA 데이터 세트를 연구 또는 개발 작업에 사용하는 경우 다음 논문을 인용하십시오.

@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}
}

이 데이터 세트를 큐레이팅하는 데 칭찬할 만한 노력을 기울인 DOTA 데이터 세트 팀에게 특별한 감사를 드립니다. 데이터 세트 및 그 뉘앙스에 대한 포괄적인 이해를 위해서는 공식 DOTA 웹사이트를 방문하십시오.

FAQ

DOTA128 데이터셋이란 무엇이며 어떻게 활용할 수 있나요?

DOTA128 데이터셋은 DOTAv1 세트의 128개 이미지로 구성된 다목적 객체 탐지 데이터셋으로, 모든 이미지는 train 폴더에 저장되어 있습니다. 훈련과 검증 모두 동일한 이미지 세트를 사용하므로 신속한 테스트 및 디버깅 워크플로우에 이상적입니다. Ultralytics 같은 OBB 모델 테스트 및 디버깅에 이상적입니다. 관리 가능한 규모와 다양성 덕분에 대규모 데이터셋 배포 전 파이프라인 오류 식별 및 정상성 검사에 유용합니다. Ultralytics 활용한 OBB 탐지에 대해 자세히 알아보세요.

DOTA128 데이터셋을 사용하여 YOLO26 모델을 어떻게 훈련시키나요?

DOTA128 데이터셋에서obb 100 에포크 동안 640 크기의 이미지로 훈련하려면 다음 코드 스니펫을 사용할 수 있습니다. 포괄적인 인자 옵션은 모델 훈련 페이지를 참조하십시오.

훈련 예제

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="dota128.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo obb train data=dota128.yaml model=yolo26n-obb.pt epochs=100 imgsz=640

DOTA 데이터 세트의 주요 특징은 무엇이며 YAML 파일은 어디에서 액세스할 수 있습니까?

DOTA 데이터셋은 대규모 벤치마크와 항공 이미지 객체 탐지 분야의 도전 과제로 유명합니다. DOTA128 하위 집합은 DOTA8보다 더 다양한 데이터를 제공하면서도 초기 테스트에 적합한 규모를 유지합니다. 해당 데이터셋은 다음 경로에서 접근할 수 있습니다. dota128.yaml 경로, 클래스 및 구성 세부 정보가 포함된 파일은 다음 위치에 있습니다. GitHub 링크.

DOTA128은 다른 DOTA 데이터셋 변종들과 비교해서 어떤가요?

DOTA128(128개 이미지)는 크기 측면에서 DOTA8 (8개 이미지)과 전체 DOTA-v1 데이터셋(1,869개 이미지) 사이에 위치합니다:

  • DOTA8: 총 8개의 이미지만 포함(열차 4개, 밸류 4개) - 빠른 테스트 및 디버깅에 이상적
  • DOTA128: 128개의 이미지 포함 (모두 train 폴더에 위치, 훈련 및 검증 데이터로 사용) - 크기 및 다양성 간 균형 조정
  • 전체 DOTA-v1: 1,869개의 이미지를 포함 - 포괄적이지만 리소스 집약적

DOTA128은 DOTA8보다 더 다양한 데이터를 제공하면서도, 실험 및 초기 모델 개발을 위한 전체 DOTA 데이터셋보다 훨씬 관리하기 쉬운 중간 지점을 제공합니다.

모자이싱은 DOTA128 데이터셋을 활용한 모델 훈련을 어떻게 향상시키나요?

모자이킹은 훈련 과정에서 여러 이미지를 하나로 결합하여 각 배치 내 객체와 컨텍스트의 다양성을 높입니다. 이는 모델이 다양한 객체 크기, 종횡비 및 장면에 대한 일반화 능력을 향상시킵니다. 이 기법은 모자이킹된 DOTA128 데이터셋 이미지로 구성된 훈련 배치를 통해 시각적으로 시연될 수 있으며, 이는 견고한 모델 개발에 도움이 됩니다. 모자이킹 및 훈련 기법에 대한 자세한 내용은 당사 훈련 페이지에서 확인하세요.

왜 방향성 객체 탐지 작업에 Ultralytics 사용해야 하나요?

Ultralytics YOLO26은 지향성 바운딩 박스(obb), 인스턴스 segment 및 매우 다재다능한 훈련 파이프라인과 같은 기능을 포함하여 최첨단 실시간 객체 detect 기능을 제공합니다. 다양한 애플리케이션에 적합하며 효율적인 미세 조정을 위한 사전 훈련된 모델을 제공합니다. Ultralytics YOLO26 문서에서 장점과 사용법에 대해 더 자세히 알아보세요.



5; 0 전에 생성됨 ✏️ 0 전에 업데이트됨
Laughing-q

댓글