Editar página no GitHub (EN)

Conjunto de dados DOTA com OBB

O DOTA é um conjunto de dados especializado, com foco em detecção de objetos em imagens aéreas. Originário da série de conjuntos de dados DOTA, ele oferece imagens anotadas que capturam uma grande variedade de cenas aéreas com Caixas Delimitadoras Orientadas (OBB).

Classes de objetos do conjunto de dados DOTA para detecção aérea

Principais recursos



Watch: How to Train Ultralytics YOLO26 on the DOTA Dataset for Oriented Bounding Boxes in Google Colab
  • Coleta proveniente de vários sensores e plataformas, com tamanhos de imagem variando de 800 × 800 a 20.000 × 20.000 pixels.
  • Apresenta mais de 1,7 milhão de caixas delimitadoras orientadas em 18 categorias.
  • Abrange a detecção de objetos multiescala graças à grande variação de tamanhos de objetos por imagem.
  • As instâncias são anotadas por especialistas usando quadriláteros arbitrários (8 graus de liberdade), capturando objetos de diferentes escalas, orientações e formas.

Versões do Conjunto de Dados

DOTA-v1.0

  • Contém 15 categorias comuns.
  • Composto por 2.806 imagens com 188.282 instâncias.
  • Proporções de divisão: 1/2 para treinamento, 1/6 para validação e 1/3 para teste.

DOTA-v1.5

DOTA-v2.0

  • Coleções do Google Earth, satélite GF-2 e outras imagens aéreas.
  • Contém 18 categorias comuns.
  • Composto por 11.268 imagens com impressionantes 1.793.658 instâncias.
  • Novas categorias introduzidas: "airport" (aeroporto) e "helipad" (heliponto).
  • Divisões de imagem:
    • Treinamento: 1.830 imagens com 268.627 instâncias.
    • Validação: 593 imagens com 81.048 instâncias.
    • Teste-dev: 2.792 imagens com 353.346 instâncias.
    • Teste-desafio: 6.053 imagens com 1.090.637 instâncias.

Estrutura do Dataset

O DOTA exibe um layout estruturado feito sob medida para desafios de detecção de objetos OBB:

  • Imagens: Uma vasta coleção de imagens aéreas de alta resolução que capturam diversos terrenos e estruturas.
  • Caixas Delimitadoras Orientadas: Anotações na forma de retângulos rotacionados que encapsulam objetos independentemente de sua orientação, ideal para capturar objetos como aviões, navios e edifícios.

Aplicações

O DOTA serve como referência para treinar e avaliar modelos especificamente adaptados para análise de imagens aéreas. Com a inclusão de anotações OBB, ele apresenta um desafio único, permitindo o desenvolvimento de modelos de detecção de objetos especializados que atendem às nuances da imagem aérea. O conjunto de dados é particularmente valioso para aplicações em sensoriamento remoto, vigilância e monitoramento ambiental.

YAML do Dataset

Um arquivo YAML (Yet Another Markup Language) do conjunto de dados especifica as raízes de imagens/rótulos, nomes de classes e outros metadados importantes. A Ultralytics mantém arquivos YAML oficiais para os dois lançamentos usados mais comumente:

Use o YAML que corresponde à versão que você baixou ou crie um YAML personalizado se você estiver trabalhando com o DOTA-v2 ou outro derivado.

DOTAv1.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# DOTA 1.0 dataset https://captain-whu.github.io/DOTA/index.html for object detection in aerial images by Wuhan University
# Documentation: https://docs.ultralytics.com/datasets/obb/dota-v2/
# Example usage: yolo train model=yolov8n-obb.pt data=DOTAv1.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── dota1 ← downloads here (2 GB)

# 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: DOTAv1 # dataset root dir
train: images/train # train images (relative to 'path') 1411 images
val: images/val # val images (relative to 'path') 458 images
test: images/test # test images (optional) 937 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/DOTAv1.zip

Dividir imagens DOTA

As imagens brutas excedem rotineiramente 10.000 pixels de lado, portanto, o mosaico (tiling) é necessário antes de fornecer os dados ao YOLO. Use o auxiliar abaixo para fatiar a imagem de origem em cortes sobrepostos de 1024 × 1024 em múltiplas escalas, mantendo as anotações sincronizadas.

Dividir imagens
from ultralytics.data.split_dota import split_test, split_trainval

# Split train and val set, with labels.
split_trainval(
    data_root="path/to/DOTAv1.0/",
    save_dir="path/to/DOTAv1.0-split/",
    rates=[0.5, 1.0, 1.5],  # multiscale
    gap=500,
)
# Split test set, without labels.
split_test(
    data_root="path/to/DOTAv1.0/",
    save_dir="path/to/DOTAv1.0-split/",
    rates=[0.5, 1.0, 1.5],  # multiscale
    gap=500,
)
Dica

Mantenha o diretório de saída organizado no layout padrão YOLO (images/train, labels/train, etc.) para que você possa referenciá-lo diretamente do YAML do conjunto de dados.

Utilização

Para treinar um modelo no conjunto de dados DOTA v1, você pode utilizar os trechos de código a seguir. Consulte sempre a documentação do seu modelo para obter uma lista completa de argumentos disponíveis. Para aqueles que desejam experimentar com um subconjunto menor primeiro, considere usar o conjunto de dados DOTA8, que contém apenas 8 imagens para testes rápidos.

Aviso

Observe que todas as imagens e anotações associadas no conjunto de dados DOTAv1 podem ser usadas para fins acadêmicos, mas o uso comercial é proibido. Sua compreensão e respeito pelos desejos dos criadores do conjunto de dados são muito apreciados!

Exemplo de Treino
from ultralytics import YOLO

# Create a new YOLO26n-OBB model from scratch
model = YOLO("yolo26n-obb.yaml")

# Train the model on the DOTAv1 dataset
results = model.train(data="DOTAv1.yaml", epochs=100, imgsz=1024)

Amostra de dados e anotações

Dar uma olhada no conjunto de dados ilustra sua profundidade:

Conjunto de dados DOTA com anotações de caixa delimitadora orientada

  • Exemplos do DOTA: Este instantâneo destaca a complexidade das cenas aéreas e a importância das anotações de Caixa Delimitadora Orientada, capturando objetos em sua orientação natural.

A riqueza do conjunto de dados oferece percepções inestimáveis sobre desafios de detecção de objetos exclusivos de imagens aéreas. O conjunto de dados DOTA-v2.0 tornou-se particularmente popular para projetos de sensoriamento remoto e vigilância aérea devido às suas anotações abrangentes e diversas categorias de objetos.

Citações e Agradecimentos

Se você usar o DOTA em seu trabalho, por favor cite os artigos de pesquisa relevantes:

Citação
@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}
}

Um agradecimento especial à equipe por trás dos conjuntos de dados DOTA pelo seu louvável esforço na curadoria deste conjunto de dados. Para uma compreensão exaustiva do conjunto de dados e das suas nuances, visita o site oficial do DOTA.

FAQ

O que é o conjunto de dados DOTA e por que ele é importante para a detecção de objetos em imagens aéreas?

O conjunto de dados DOTA é um conjunto de dados especializado com foco na detecção de objetos em imagens aéreas. Ele apresenta Caixas Delimitadoras Orientadas (OBB), fornecendo imagens anotadas de diversas cenas aéreas. A diversidade do DOTA na orientação, escala e forma dos objetos em suas 1,7 milhão de anotações e 18 categorias o torna ideal para desenvolver e avaliar modelos adaptados para análise de imagens aéreas, como aqueles usados em vigilância, monitoramento ambiental e gestão de desastres.

Como o conjunto de dados DOTA lida com diferentes escalas e orientações em imagens?

O DOTA utiliza Caixas Delimitadoras Orientadas (OBB) para anotação, que são representadas por retângulos rotacionados encapsulando objetos, independentemente de sua orientação. Esse método garante que os objetos, sejam pequenos ou em ângulos diferentes, sejam capturados com precisão. As imagens multiescala do conjunto de dados, variando de 800 × 800 a 20.000 × 20.000 pixels, permitem ainda a detecção de objetos pequenos e grandes de forma eficaz. Essa abordagem é particularmente valiosa para imagens aéreas onde os objetos aparecem em vários ângulos e escalas.

Como posso treinar um modelo usando o conjunto de dados DOTA?

Para treinar um modelo no conjunto de dados DOTA, você pode usar o seguinte exemplo com Ultralytics YOLO:

Exemplo de Treino
from ultralytics import YOLO

# Create a new YOLO26n-OBB model from scratch
model = YOLO("yolo26n-obb.yaml")

# Train the model on the DOTAv1 dataset
results = model.train(data="DOTAv1.yaml", epochs=100, imgsz=1024)

Para mais detalhes sobre como dividir e pré-processar as imagens DOTA, consulte a seção de divisão de imagens DOTA.

Quais são as diferenças entre DOTA-v1.0, DOTA-v1.5 e DOTA-v2.0?

  • DOTA-v1.0: Inclui 15 categorias comuns em 2.806 imagens com 188.282 instâncias. O conjunto de dados é dividido em conjuntos de treinamento, validação e teste.
  • DOTA-v1.5: Baseia-se no DOTA-v1.0 anotando instâncias muito pequenas (menos de 10 pixels) e adicionando uma nova categoria, "container crane", totalizando 403.318 instâncias.
  • DOTA-v2.0: Expande ainda mais com anotações do Google Earth e satélite GF-2, apresentando 11.268 imagens e 1.793.658 instâncias. Inclui novas categorias como "airport" e "helipad".

Para uma comparação detalhada e especificações adicionais, verifique a seção de versões do conjunto de dados.

Como posso preparar imagens DOTA de alta resolução para treinamento?

As imagens DOTA, que podem ser muito grandes, são divididas em resoluções menores para um treinamento gerenciável. Aqui está um trecho em Python para dividir imagens:

Exemplo
from ultralytics.data.split_dota import split_test, split_trainval

# split train and val set, with labels.
split_trainval(
    data_root="path/to/DOTAv1.0/",
    save_dir="path/to/DOTAv1.0-split/",
    rates=[0.5, 1.0, 1.5],  # multiscale
    gap=500,
)
# split test set, without labels.
split_test(
    data_root="path/to/DOTAv1.0/",
    save_dir="path/to/DOTAv1.0-split/",
    rates=[0.5, 1.0, 1.5],  # multiscale
    gap=500,
)

Este processo facilita uma melhor eficiência de treinamento e desempenho do modelo. Para obter instruções detalhadas, visite a seção de divisão de imagens DOTA.

Contributors
Editar página no GitHub (EN)
GLglenn-jocher19RIRizwanMunawar2PDpderrenger1Y-Y-T-G1MAMatthewNoyce1LALaughing-q1

Comentários