DOTA8 데이터 세트

소개

Ultralytics DOTA8은 작지만 다양한 용도로 활용 가능한 물체 감지 데이터 세트로, 분할된 DOTAv1 세트의 첫 8개 이미지 중 훈련용 이미지 4개와 검증용 이미지 4개로 구성되어 있습니다. 이 데이터 세트는 물체 감지 모델을 테스트하고 디버깅하거나 새로운 감지 접근 방식을 실험하는 데 이상적입니다. 8개 이미지로 구성되어 있어 관리하기 쉬우면서도 트레이닝 파이프라인의 오류를 테스트하고 더 큰 데이터 세트를 트레이닝하기 전에 건전성 검사 역할을 할 수 있을 만큼 다양합니다.

이 데이터 세트는 Ultralytics HUB 및 YOLO11.

데이터 세트 YAML

데이터 세트 구성을 정의하는 데는 YAML(또 다른 마크업 언어) 파일이 사용됩니다. 여기에는 데이터 세트의 경로, 클래스 및 기타 관련 정보에 대한 정보가 포함되어 있습니다. DOTA8 데이터 세트의 경우, 데이터 세트의 dota8.yaml 파일은 다음 위치에서 유지됩니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota8.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 license
# DOTA8 dataset 8 images from split DOTAv1 dataset 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 (1MB)

# 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: ../datasets/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 크기가 640인 100개의 에포크에 대해 DOTA8 데이터 세트에서 YOLO11n-obb 모델을 훈련하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수의 전체 목록은 모델 훈련 페이지를 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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=yolo11n-obb.pt epochs=100 imgsz=640

샘플 이미지 및 주석

다음은 DOTA8 데이터 세트의 이미지와 해당 주석의 몇 가지 예시입니다:

• 모자이크 이미지: 이 이미지는 모자이크된 데이터 세트 이미지로 구성된 훈련 배치의 예시입니다. 모자이크는 여러 이미지를 하나의 이미지로 결합하여 각 훈련 배치 내에서 다양한 개체와 장면을 늘리기 위해 훈련 중에 사용되는 기술입니다. 이를 통해 다양한 객체 크기, 종횡비 및 컨텍스트에 일반화하는 모델의 능력을 향상시킬 수 있습니다.

이 예는 DOTA8 데이터 세트에 포함된 이미지의 다양성과 복잡성, 그리고 훈련 과정에서 모자이크 사용의 이점을 보여줍니다.

인용 및 감사

연구 또는 개발 작업에 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={2021},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3117983}
}

이 데이터 세트를 큐레이팅하는 데 많은 노력을 기울인 DOTA 데이터 세트 제작팀에게 특별히 감사의 말씀을 전합니다. 데이터 세트와 그 뉘앙스에 대해 자세히 알아보려면 공식 DOTA 웹사이트를 방문하시기 바랍니다.

자주 묻는 질문

DOTA8 데이터 세트는 무엇이며 어떻게 사용할 수 있나요?

DOTA8 데이터 세트는 DOTAv1 분할 세트의 처음 8개 이미지로 구성된 작고 다용도 지향적인 객체 감지 데이터 세트로, 4개의 이미지는 훈련용으로, 4개의 이미지는 검증용으로 지정되어 있습니다. Ultralytics YOLO11 과 같은 객체 감지 모델을 테스트하고 디버깅하는 데 이상적입니다. 관리하기 쉬운 크기와 다양성으로 인해 대규모 데이터 세트를 배포하기 전에 파이프라인 오류를 식별하고 건전성 검사를 실행하는 데 도움이 됩니다. 객체 감지에 대해 자세히 알아보기 Ultralytics YOLO11.

DOTA8 데이터 세트를 사용하여 YOLO11 모델을 훈련하려면 어떻게 하나요?

이미지 크기가 640인 100개의 에포크에 대해 DOTA8 데이터 세트에서 YOLO11n-obb 모델을 훈련하려면 다음 코드 조각을 사용할 수 있습니다. 포괄적인 인수 옵션은 모델 훈련 페이지를 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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=yolo11n-obb.pt epochs=100 imgsz=640

DOTA 데이터 세트의 주요 기능은 무엇이며 YAML 파일은 어디에서 액세스할 수 있나요?

DOTA 데이터 세트는 대규모 벤치마크와 항공 이미지에서 물체 감지에 대한 도전 과제로 잘 알려져 있습니다. DOTA8 하위 집합은 초기 테스트에 적합한 더 작고 관리하기 쉬운 데이터 세트입니다. 이 데이터 세트는 dota8.yaml 파일에 경로, 클래스 및 구성 세부 정보가 포함된 이 깃허브 링크.

모자이크가 DOTA8 데이터 세트로 모델 훈련을 향상시키는 방법은 무엇인가요?

모자이싱은 훈련 중에 여러 이미지를 하나로 결합하여 각 배치 내에서 개체와 컨텍스트의 다양성을 높입니다. 이를 통해 다양한 물체 크기, 종횡비, 장면에 대한 모델의 일반화 능력이 향상됩니다. 이 기술은 모자이크된 DOTA8 데이터 세트 이미지로 구성된 훈련 배치를 통해 시각적으로 시연할 수 있어 강력한 모델 개발에 도움이 됩니다. 훈련 페이지에서 모자이크 및 훈련 기법에 대해 자세히 알아보세요.

객체 감지 작업에 Ultralytics YOLO11 을 사용해야 하는 이유는 무엇인가요?

Ultralytics YOLO11 는 OBB(방향성 경계 상자), 인스턴스 분할, 다용도 훈련 파이프라인과 같은 기능을 포함한 최첨단 실시간 객체 감지 기능을 제공합니다. 다양한 애플리케이션에 적합하며 효율적인 미세 조정을 위해 사전 학습된 모델을 제공합니다. Ultralytics YOLO11 문서에서 장점과 사용법에 대해 자세히 알아보세요.

11개월 전 생성됨 ✏️ 2개월 전 업데이트됨

댓글