DOTA8 데이터셋#

8

dota8

ultralytics

publicOBB

DOTA8 is Ultralytics' minimal oriented-box smoke-test set: four training and four validation aerial images sampled from DOTA. It uses the canonical 15-class taxonomy and real rotated quadrilaterals for rapid validation of OBB loading, augmentation, training, and export.

515 classes1 MBSep 2, 2026

planeshipstorage tankbaseball diamond+11

소개#

Ultralytics DOTA8은 분할된 DOTAv1 세트의 첫 8개 이미지로 구성된 작지만 다목적인 방향성 객체 탐지 데이터셋으로, 학습용 4개와 검증용 4개로 이루어져 있습니다. 이 데이터셋은 객체 탐지 모델을 테스트하고 디버깅하거나 새로운 탐지 접근 방식을 실험하는 데 이상적입니다. 8개의 이미지로 구성되어 있어 쉽게 관리할 수 있을 만큼 작으면서도, 학습 파이프라인의 오류를 테스트하고 더 큰 데이터셋을 학습하기 전에 정상 작동 여부를 점검할 수 있을 만큼 다양합니다.

데이터셋 구조#

• 이미지: DOTAv1에서 가져온 항공 타일 8개(학습용 4개, 검증용 4개)입니다.

• 클래스: plane, ship, large vehicle 등 DOTAv1의 15개 카테고리를 상속합니다.

• 레이블: 방향성 바운딩 박스가 YOLO 형식으로 저장되며 각 이미지 옆의 .txt 파일에 기록됩니다.

• 다운로드: 1MB이며, 처음 학습을 시작할 때 Ultralytics GitHub assets에서 자동으로 가져옵니다.

• 권장 구조:

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

Ultralytics Platform에서 DOTA8 탐색하여 방향성 박스 오버레이가 표시된 항공 타일을 살펴보고, Charts 탭에서 클래스 분포와 어노테이션 히트맵을 확인한 다음, 이를 클론하여 클라우드에서 자체 모델을 학습해 보세요.

데이터셋 YAML#

YAML 파일을 사용하여 데이터셋 구성을 정의합니다. 여기에는 데이터셋의 경로, 클래스 및 기타 관련 정보가 포함됩니다. DOTA8 데이터셋의 경우 dota8.yaml 파일이 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota8.yaml에 유지 관리됩니다.

# 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

사용법#

이미지 크기 640으로 DOTA8 데이터셋에서 100 epochs 동안 YOLO26n-obb 모델을 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인자 전체 목록은 모델 Training 페이지를 참조하세요.

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)

샘플 이미지 및 주석#

다음은 DOTA8 데이터셋의 일부 이미지와 해당 어노테이션 예시입니다:

• 모자이크 처리된 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 모자이크 처리는 학습 중 여러 이미지를 하나의 이미지로 결합하여 각 학습 배치에 포함되는 객체와 장면의 다양성을 높이는 기법입니다. 이를 통해 다양한 객체 크기, 종횡비 및 컨텍스트에 대한 모델의 일반화 성능을 향상할 수 있습니다.

이 예시는 DOTA8 데이터셋 이미지의 다양성과 복잡성, 그리고 학습 과정에서 모자이싱을 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}
}

이 데이터셋을 선별하고 구축하는 데 훌륭한 노력을 기울인 DOTA 데이터셋 팀에 특별한 감사의 말씀을 전합니다. 데이터셋과 그 세부 특성을 완전히 이해하려면 공식 DOTA 웹사이트를 방문해 주세요.

FAQ#