Link to this sectionDOTA128 데이터셋#

Link to this section소개#

Ultralytics DOTA128은 DOTAv1 세트에서 추출한 128개의 이미지로 구성된 작지만 다재다능한 방향성 객체 탐지 데이터셋으로, 128개의 이미지가 학습 및 검증에 모두 사용됩니다. 이 데이터셋은 방향성 경계 상자(OBB) 모델을 테스트 및 디버깅하거나 새로운 탐지 접근 방식을 실험하는 데 이상적입니다. 128개의 이미지로 구성되어 관리가 간편하면서도, 학습 파이프라인의 오류를 테스트하고 더 큰 데이터셋을 학습하기 전 건전성 검사(sanity check)를 수행하기에 충분한 다양성을 갖추고 있습니다.

Link to this section데이터셋 구조#

• 이미지: DOTAv1에서 제공하는 128개의 항공 타일(모두 train 폴더에 포함되어 학습 및 검증에 사용됨).
• 클래스: 비행기, 선박, 대형 차량 등 15개의 DOTAv1 카테고리를 계승합니다.
• 라벨: 각 이미지 옆에 .txt 파일로 저장된 YOLO 형식의 지향성 바운딩 박스.

이 데이터셋은 Ultralytics Platform 및 YOLO26과 함께 사용하도록 의도되었습니다.

Link to this section데이터셋 YAML#

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

# 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

Link to this section사용법#

DOTA128 데이터셋에서 YOLO26n-obb 모델을 100 에포크(epochs) 동안 이미지 크기 640으로 학습하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수에 대한 전체 목록은 모델 학습(Training) 페이지를 참조하십시오.

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)

Link to this section샘플 이미지 및 주석#

다음은 DOTA128 데이터셋 이미지와 그에 해당하는 주석의 몇 가지 예시입니다:

• 모자이크 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지들로 구성된 학습 배치를 보여줍니다. 모자이킹은 학습 중에 여러 이미지를 하나의 이미지로 결합하여 각 학습 배치 내의 객체와 장면의 다양성을 높이는 데 사용되는 기법입니다. 이는 모델이 다양한 객체 크기, 가로세로 비율 및 문맥으로 일반화하는 능력을 향상시키는 데 도움을 줍니다.

이 예시는 DOTA128 데이터셋 이미지의 다양성과 복잡성, 그리고 학습 과정에서 모자이킹(mosaicing)을 사용할 때의 이점을 잘 보여줍니다.

Link to this section인용 및 감사의 글#

연구 또는 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 큐레이팅하기 위해 기울인 노고에 대해 DOTA 데이터셋 팀에 특별한 감사를 표합니다. 데이터셋과 그 세부 사항을 완전히 이해하려면 공식 DOTA 웹사이트를 방문하십시오.

Link to this sectionFAQ#

Link to this sectionDOTA128 데이터셋은 무엇이며 어떻게 사용할 수 있습니까?#

DOTA128 데이터셋은 DOTAv1 세트에서 추출한 128개의 이미지로 구성된 다재다능한 방향성 객체 탐지 데이터셋으로, 모든 이미지는 train 폴더에 저장되어 있습니다. 학습과 검증에 동일한 이미지 세트를 사용하므로 신속한 테스트 및 디버깅 워크플로에 이상적입니다. 특히 Ultralytics YOLO26과 같은 OBB 모델을 테스트하고 디버깅하는 데 적합합니다. 관리하기 쉬운 크기와 충분한 다양성 덕분에 파이프라인 오류를 식별하고 더 큰 데이터셋을 배포하기 전에 건전성 검사를 수행하는 데 도움이 됩니다. Ultralytics YOLO26을 사용한 OBB 탐지에 대해 자세히 알아보십시오.

Link to this sectionDOTA128 데이터셋을 사용하여 YOLO26 모델을 학습하려면 어떻게 해야 합니까?#

DOTA128 데이터셋에서 YOLO26n-obb 모델을 100 에포크 동안 이미지 크기 640으로 학습하려면 다음 코드 조각을 사용할 수 있습니다. 종합적인 인수 옵션은 모델 학습(Training) 페이지를 참조하십시오.

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)

Link to this sectionDOTA 데이터셋의 주요 특징은 무엇이며 YAML 파일은 어디에서 액세스할 수 있습니까?#

DOTA 데이터셋은 대규모 벤치마크와 항공 이미지 객체 탐지에 따르는 과제로 잘 알려져 있습니다. DOTA128 서브셋은 DOTA8보다 다양성을 제공하면서도 초기 테스트에 적합한 관리 가능한 규모를 유지합니다. 경로, 클래스, 구성 세부 정보가 포함된 dota128.yaml 파일은 이 GitHub 링크에서 액세스할 수 있습니다.

Link to this sectionDOTA128은 다른 DOTA 데이터셋 변형과 어떻게 비교됩니까?#

DOTA128(128개 이미지)은 규모 면에서 DOTA8(8개 이미지)과 전체 DOTA-v1 데이터셋(1,869개 이미지) 사이에 위치합니다:

• DOTA8: 단 8개의 이미지(학습 4개, 검증 4개) 포함 - 빠른 테스트 및 디버깅에 이상적
• DOTA128: 128개의 이미지 포함(모두 train 폴더에 있으며 학습 및 검증에 사용됨) - 규모와 다양성 간의 균형
• 전체 DOTA-v1: 1,869개의 이미지 포함 - 포괄적이지만 리소스 집약적

DOTA128은 실험 및 초기 모델 개발을 위해 DOTA8보다 더 많은 다양성을 제공하면서도, 전체 DOTA 데이터셋보다 훨씬 관리하기 쉬운 적절한 중간 지점을 제공합니다.

Link to this section모자이킹은 DOTA128 데이터셋을 사용한 모델 학습을 어떻게 향상시킵니까?#

모자이킹은 학습 중에 여러 이미지를 하나로 결합하여 각 배치 내 객체와 맥락의 다양성을 높입니다. 이는 다양한 객체 크기, 가로세로 비율 및 장면에 대해 일반화하는 모델의 능력을 향상시킵니다. 이 기술은 모자이킹된 DOTA128 데이터셋 이미지로 구성된 학습 배치를 통해 시각적으로 입증될 수 있으며, 견고한 모델 개발에 도움이 됩니다. 모자이킹 및 학습 기술에 대한 자세한 내용은 학습(Training) 페이지를 확인하십시오.

Link to this section방향성 객체 탐지 작업을 위해 Ultralytics YOLO26을 사용해야 하는 이유는 무엇입니까?#

Ultralytics YOLO26은 OBB(지향성 바운딩 박스), instance segmentation 및 매우 다재다능한 학습 파이프라인을 포함한 최첨단 실시간 object detection 기능을 제공합니다. 다양한 애플리케이션에 적합하며 효율적인 파인튜닝을 위한 사전 학습된 모델을 제공합니다. Ultralytics YOLO26 문서에서 이점과 사용법에 대해 더 자세히 알아보십시오.