DOTA128 데이터셋
소개
Ultralytics DOTA128은 작지만 다재다능한 oriented 객체 탐지 데이터셋으로, DOTAv1 세트에서 추출한 128개의 이미지로 구성되어 있으며 학습 및 검증에 각각 128개가 사용됩니다. 이 데이터셋은 OBB(oriented bounding box) 모델을 테스트 및 디버깅하거나 새로운 탐지 접근 방식을 실험하는 데 이상적입니다. 128개의 이미지로 구성되어 관리가 간편하면서도, 더 큰 데이터셋을 학습하기 전에 학습 파이프라인의 오류를 테스트하고 정상 작동 여부를 확인하는 용도로 충분히 다양합니다.
데이터셋 구조
- 이미지: DOTAv1에서 추출한 128개의 항공 타일(모두 train 폴더에 있으며, 학습 및 검증 용도로 사용됨).
- 클래스(Classes): 비행기, 선박, 대형 차량 등 15개의 DOTAv1 카테고리를 상속합니다.
- 라벨(Labels): YOLO 형식의 oriented bounding box가 각 이미지 옆의
.txt파일로 저장됩니다.
이 데이터셋은 다음 용도로 사용하도록 설계되었습니다: Ultralytics Platform 및 YOLO26.
데이터셋 YAML
데이터셋 구성을 정의하기 위해 YAML(Yet Another Markup Language) 파일이 사용됩니다. 이 파일에는 데이터셋 경로, 클래스 및 기타 관련 정보가 포함되어 있습니다. DOTA128 데이터셋의 경우, dota128.yaml 파일은 다음 위치에서 관리됩니다: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota128.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.zip사용법
DOTA128 데이터셋에서 YOLO26n-obb 모델을 100 epochs 동안 640 이미지 크기로 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 학습(Training) 페이지를 확인하십시오.
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)샘플 이미지 및 주석
다음은 DOTA128 데이터셋의 이미지 예시와 그에 해당하는 어노테이션입니다:
- 모자이크된 이미지(Mosaiced Image): 이 이미지는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 모자이킹은 학습 중에 여러 이미지를 하나의 이미지로 결합하여 각 학습 배치 내의 객체와 장면의 다양성을 높이는 기법입니다. 이는 다양한 객체 크기, 가로세로 비율 및 컨텍스트에 일반화하는 모델의 능력을 향상시키는 데 도움이 됩니다.
이 예시는 DOTA128 데이터셋에 포함된 이미지들의 다양성과 복잡성을 보여주며, 학습 과정에서 모자이킹(mosaicing)을 사용할 때의 이점을 강조합니다.
인용 및 감사의 글
연구나 개발 작업에 DOTA 데이터셋을 사용하는 경우 다음 논문을 인용해 주십시오:
@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 데이터셋을 큐레이션한 DOTA 데이터셋 팀의 노고에 특별한 감사를 표합니다. 데이터셋과 그 뉘앙스에 대한 자세한 내용을 보려면 공식 DOTA 웹사이트.
FAQ
DOTA128 데이터셋이란 무엇이며 어떻게 사용할 수 있나요?
DOTA128 데이터셋은 DOTAv1 세트에서 추출한 128개의 이미지로 구성된 다재다능한 oriented 객체 탐지 데이터셋으로, 모든 이미지가 train 폴더에 저장되어 있습니다. 학습과 검증 모두 동일한 이미지 세트를 사용하므로 빠른 테스트 및 디버깅 워크플로우에 이상적입니다. 특히 Ultralytics YOLO26과 같은 OBB 모델을 테스트하고 디버깅하는 데 최적화되어 있습니다. 관리하기 쉬운 크기와 데이터의 다양성 덕분에 더 큰 데이터셋을 배포하기 전에 파이프라인 오류를 식별하고 정상 작동 여부를 확인하는 데 도움이 됩니다. OBB 탐지에 대해 자세히 알아보려면 Ultralytics YOLO26.
DOTA128 데이터셋을 사용하여 YOLO26 모델을 어떻게 학습시키나요?
이미지 크기 640으로 100 에포크(epoch) 동안 DOTA128 데이터셋에서 YOLO26n-obb 모델을 학습시키려면 다음 코드 스니펫을 사용할 수 있습니다. 종합적인 인수 옵션은 모델 학습(Training) 페이지를 확인하십시오.
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)DOTA 데이터셋의 주요 특징은 무엇이며 YAML 파일은 어디서 액세스할 수 있나요?
DOTA 데이터셋은 대규모 벤치마크와 항공 이미지 객체 탐지 분야에서 제시하는 까다로운 과제들로 잘 알려져 있습니다. DOTA128 서브셋은 DOTA8보다 더 많은 다양성을 제공하면서도 초기 테스트에 용이한 규모를 유지합니다. 다음에서 액세스할 수 있습니다. dota128.yaml 파일은 이 GitHub 링크.
DOTA128은 다른 DOTA 데이터셋 변형들과 어떻게 비교되나요?
DOTA128(128개 이미지)은 DOTA8 (8개 이미지)와 전체 DOTA-v1 데이터셋(1,869개 이미지)의 크기 중간 정도에 위치합니다:
- DOTA8: 8개의 이미지만 포함(학습 4개, 검증 4개) - 빠른 테스트 및 디버깅에 이상적
- DOTA128: 128개의 이미지 포함(모두 train 폴더에 있으며 학습 및 검증 용도로 사용됨) - 크기와 다양성 간의 균형
- Full DOTA-v1: 1,869개의 이미지 포함 - 포괄적이지만 리소스 소모가 큼
DOTA128은 실험 및 초기 모델 개발을 위해 DOTA8보다는 더 많은 다양성을 제공하면서도 전체 DOTA 데이터셋보다 훨씬 관리하기 쉬운 중간 지점을 제공합니다.
모자이킹(mosaicing)은 DOTA128 데이터셋을 사용한 모델 학습을 어떻게 향상시키나요?
모자이킹은 학습 중에 여러 이미지를 하나로 결합하여 각 배치 내 객체와 컨텍스트의 다양성을 높입니다. 이는 모델이 다양한 객체 크기, 가로세로 비율, 장면에 일반화하는 능력을 향상시킵니다. 이 기술은 DOTA128 데이터셋 이미지를 모자이크 처리하여 구성한 학습 배치를 통해 시각적으로 입증될 수 있으며, 견고한 모델을 개발하는 데 도움이 됩니다. 모자이킹 및 학습 기술에 대한 자세한 내용은 다음을 참조하십시오. 학습(Training) 페이지를 확인하십시오.
oriented 객체 탐지 작업을 위해 Ultralytics YOLO26을 사용해야 하는 이유는 무엇인가요?
Ultralytics YOLO26은 oriented bounding boxes(OBB), 인스턴스 세그멘테이션 및 매우 다재다능한 학습 파이프라인과 같은 기능을 포함하여 최첨단 실시간 객체 탐지 기능을 제공합니다. 다양한 애플리케이션에 적합하며 효율적인 파인튜닝을 위한 사전 학습된 모델을 제공합니다. 장점과 사용법에 대해 자세히 알아보려면 Ultralytics YOLO26 문서.