Набор данных DOTA8
Введение
Ultralytics DOTA8 - это небольшой, но универсальный набор данных для обнаружения объектов, состоящий из первых 8 изображений из 8 изображений разделенного набора DOTAv1, 4 для обучения и 4 для проверки. Этот набор данных идеально подходит для тестирования и отладки моделей обнаружения объектов, а также для экспериментов с новыми подходами к обнаружению. 8 изображений достаточно малы, чтобы ими можно было легко управлять, но при этом достаточно разнообразны, чтобы проверить обучающие конвейеры на наличие ошибок и послужить проверкой на вменяемость перед обучением более крупных наборов данных.
Этот набор данных предназначен для использования с Ultralytics HUB и YOLOv8.
Набор данных YAML
Для определения конфигурации набора данных используется файл YAML (Yet Another Markup Language). В нем содержится информация о путях, классах и других важных сведениях датасета. В случае с набором данных DOTA8 файл YAML dota8.yaml
файл хранится по адресу https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota8.yaml.
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/yolov5/releases/download/v1.0/dota8.zip
Использование
Чтобы обучить модель YOLOv8n-obb на наборе данных DOTA8 в течение 100 эпох при размере изображения 640, ты можешь воспользоваться следующими фрагментами кода. Полный список доступных аргументов можно найти на странице обучения модели.
Пример поезда
Примеры изображений и аннотаций
Вот несколько примеров изображений из набора данных DOTA8 вместе с соответствующими аннотациями:
- Мозаичное изображение: Это изображение демонстрирует тренировочную партию, состоящую из мозаичных изображений набора данных. Мозаика - это техника, используемая во время обучения, которая объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждой обучающей партии. Это помогает улучшить способность модели к обобщению на различные размеры объектов, соотношение сторон и контекст.
Этот пример демонстрирует разнообразие и сложность изображений в наборе данных DOTA8 и преимущества использования мозаики в процессе обучения.
Цитаты и благодарности
Если ты используешь набор данных DOTA в своих исследованиях или разработках, пожалуйста, ссылайся на следующую статью:
@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}
}
Отдельная благодарность команде, стоящей за набором данных DOTA, за их похвальные усилия по курированию этого набора данных. Чтобы получить исчерпывающее представление о наборе данных и его нюансах, посети официальный сайт DOTA.