DOTA8 데이터셋#

8

dota8

ultralytics

publicOBB

Sample dataset with 8 aerial images from DOTA for testing YOLO oriented bounding box (OBB) models. Designed for rotated object detection in satellite and drone imagery.

515 classes1 MBFeb 9, 2026

planeshipstorage tankbaseball diamond+11

소개#

Ultralytics DOTA8은 DOTAv1 분할 세트의 처음 8개 이미지(훈련용 4개, 검증용 4개)로 구성된 작고 다목적인 회전 객체 감지 데이터셋입니다. 이 데이터셋은 객체 감지 모델을 테스트 및 디버깅하거나 새로운 감지 접근법을 실험하는 데 이상적입니다. 8개의 이미지만으로 이루어져 관리하기가 매우 쉬우면서도, 더 큰 데이터셋을 학습하기 전에 학습 파이프라인의 오류를 테스트하고 정상 작동 여부를 확인하는(sanity check) 검증용으로는 충분히 다양한 특징을 제공합니다.

데이터셋 구조#

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

• 클래스: plane(비행기), ship(선박), large vehicle(대형 차량) 등 15개의 DOTAv1 카테고리를 계승합니다.

• 레이블: 각 이미지 옆에 .txt 파일로 저장된 YOLO 포맷의 회전 경계 박스(oriented bounding boxes)입니다.

• 다운로드: 1 MB, 처음 학습 시 Ultralytics GitHub 에셋에서 자동으로 가져옵니다.

• 권장 레이아웃:

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

Ultralytics Platform에서 DOTA8 탐색하기를 통해 회전 박스 오버레이가 포함된 항공 타일을 둘러보고, Charts 탭에서 클래스 분포 및 어노테이션 히트맵을 확인한 후, 클라우드에서 나만의 모델을 학습하기 위해 복제할 수 있습니다.

데이터셋 YAML#

YAML 파일은 데이터셋 구성을 정의하는 데 사용됩니다. 여기에는 데이터셋의 경로, 클래스 및 기타 관련 정보가 포함됩니다. DOTA8 데이터셋의 경우, dota8.yaml 파일은 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 에포크(epochs) 동안 YOLO26n-obb 모델을 학습하려면 다음 코드 조각을 사용할 수 있습니다. 사용 가능한 인수에 대한 자세한 내용은 모델 학습(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 이미지 예시와 해당 어노테이션입니다:

• 모자이크 처리된 이미지: 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 데 사용되는 기술입니다. 이는 모델이 다양한 객체 크기, 종횡비 및 맥락에 일반화할 수 있는 능력을 향상시키는 데 도움이 됩니다.

이 예시는 DOTA8 데이터셋 이미지의 다양성과 복잡성, 그리고 학습 과정에서 mosaicing을 사용할 때의 이점을 보여줍니다.

인용 및 감사의 글#

귀하의 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={2022},
  volume={44},
  number={11},
  pages={7778-7796},
  doi={10.1109/TPAMI.2021.3117983}
}

이 데이터셋을 큐레이트하는 데 칭찬할 만한 노력을 기울여 준 DOTA 데이터셋 팀에게 특별한 감사를 표합니다. 데이터셋과 그 세부 사항에 대한 철저한 이해를 위해 official DOTA website를 방문해 주세요.

FAQ#