DOTA8 데이터 세트

소개

Ultralytics DOTA8은(는) 분할된 DOTAv1 세트의 처음 8개 이미지(훈련용 4개, 유효성 검사용 4개)로 구성된 작지만 다재다능한 지향 객체 탐지 데이터 세트입니다. 이 데이터 세트는 객체 탐지 모델을 테스트하고 디버깅하거나 새로운 탐지 접근 방식을 실험하는 데 이상적입니다. 8개의 이미지가 있어 쉽게 관리할 수 있을 만큼 작지만 오류에 대한 훈련 파이프라인을 테스트하고 더 큰 데이터 세트를 훈련하기 전에 건전성 검사 역할을 할 수 있을 만큼 다양합니다.

데이터 세트 구조

• 이미지: DOTAv1에서 제공한 공중 타일 8개(기차 4개, 발 4개).
• 클래스: 비행기, 선박, 대형 차량 등 15개의 DOTAv1 카테고리를 상속합니다.
• 레이블: YOLO 형식의 경계 상자는 다음과 같이 저장됩니다. .txt 파일 옆에 있습니다.

• 권장 레이아웃:

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

이 데이터셋은 Ultralytics Platform 및 YOLO26과 함께 사용하도록 고안되었습니다.

데이터세트 YAML

YAML(Yet Another Markup Language) 파일은 데이터 세트 구성을 정의하는 데 사용됩니다. 여기에는 데이터 세트의 경로, 클래스 및 기타 관련 정보가 포함되어 있습니다. DOTA8 데이터 세트의 경우, dota8.yaml 파일은 다음 위치에서 관리됩니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota8.yaml.

# 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 YOLO26n-obb 모델을 100 에포크 동안 훈련하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수의 포괄적인 목록은 모델 훈련 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="dota8.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolo26n-obb.pt epochs=100 imgsz=640

샘플 이미지 및 주석

다음은 DOTA8 데이터 세트의 이미지와 해당 어노테이션의 예입니다.

• 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 예는 DOTA8 데이터 세트의 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이크를 사용하는 이점을 보여줍니다.

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

DOTA8 데이터 세트는 무엇이며, 어떻게 사용할 수 있습니까?

DOTA8 데이터셋은 DOTAv1 분할 세트의 첫 8개 이미지로 구성된 작고 다재다능한 지향성 객체 detect 데이터셋이며, 4개 이미지는 훈련용으로, 4개는 검증용으로 지정됩니다. 이 데이터셋은 Ultralytics YOLO26과 같은 객체 detect 모델을 테스트하고 디버깅하는 데 이상적입니다. 관리 가능한 크기와 다양성 덕분에 더 큰 데이터셋을 배포하기 전에 파이프라인 오류를 식별하고 건전성 검사를 실행하는 데 도움이 됩니다. Ultralytics YOLO26을 사용한 객체 detect에 대해 더 알아보세요.

DOTA8 데이터셋을 사용하여 YOLO26 모델을 훈련하는 방법은 무엇입니까?

이미지 크기 640으로 DOTA8 데이터셋에서 YOLO26n-obb 모델을 100 에포크 동안 훈련하려면 다음 코드 스니펫을 사용할 수 있습니다. 포괄적인 인자 옵션은 모델 훈련 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)

# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolo26n-obb.pt epochs=100 imgsz=640

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

DOTA 데이터 세트는 대규모 벤치마크와 항공 이미지의 객체 감지에 대한 과제로 유명합니다. DOTA8 하위 세트는 초기 테스트에 이상적인 작고 관리하기 쉬운 데이터 세트입니다. 액세스할 수 있습니다. dota8.yaml 경로, 클래스 및 구성 세부 정보가 포함된 파일은 다음 위치에 있습니다. GitHub 링크.

DOTA8 데이터 세트를 사용한 모델 학습에서 모자이킹은 어떻게 향상됩니까?

모자이킹은 훈련 중에 여러 이미지를 하나로 결합하여 각 배치 내에서 객체와 컨텍스트의 다양성을 증가시킵니다. 이는 다양한 객체 크기, 종횡비 및 장면에 일반화하는 모델의 능력을 향상시킵니다. 이 기술은 모자이크 처리된 DOTA8 데이터세트 이미지로 구성된 훈련 배치를 통해 시각적으로 입증되어 강력한 모델 개발에 도움이 됩니다. 모자이킹 및 훈련 기술에 대한 자세한 내용은 훈련 페이지에서 살펴보세요.

객체 감지 작업을 위해 Ultralytics YOLO26을 사용해야 하는 이유는 무엇입니까?

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; 2 년 전에 생성됨 ✏️ 7 전에 업데이트됨

댓글