Yönlendirilmiş Sınırlayıcı Kutular (OBB) Veri Kümelerine Genel Bakış#

8

DOTA8 Multispectral

ultralytics

publicOBB

DOTA8 Multispectral is an eight-image oriented-detection utility with genuine 10-channel TIFF aerial inputs. Four training and four validation images pair DOTA's 15-class taxonomy with rotated quadrilaterals for focused multispectral pipeline validation.

15 classes36 MBSep 2, 2026

planeshipstorage tankbaseball diamond+11

aerialobbremote-sensing+3

Yönlendirilmiş sınırlayıcı kutular (OBB) kullanan hassas bir nesne algılama modelini eğitmek için kapsamlı bir veri kümesi gerekir. Bu kılavuzda Ultralytics YOLO modelleriyle uyumlu çeşitli OBB veri kümesi biçimleri açıklanır; yapıları, kullanım alanları ve biçim dönüştürme yöntemleri hakkında bilgi verilir.

Desteklenen OBB Veri Kümesi Biçimleri#

YOLO OBB Biçimi#

YOLO OBB biçiminde sınırlayıcı kutular, koordinatları 0 ile 1 arasında normalize edilmiş dört köşe noktasıyla tanımlanır. Biçim şu şekildedir:

class_index x1 y1 x2 y2 x3 y3 x4 y4

YOLO, kayıpları ve çıktıları dahili olarak xywhr biçiminde işler; bu biçim, sınırlayıcı kutunun merkez noktasını (xy), genişliğini, yüksekliğini ve dönüşünü ifade eder.

Yukarıdaki görüntü için, OBB biçiminde 0 sınıfından bir nesne içeren *.txt etiket dosyası şöyle görünebilir:

0 0.780811 0.743961 0.782371 0.74686 0.777691 0.752174 0.776131 0.749758

Veri kümesi YAML biçimi#

Ultralytics çerçevesi, OBB modellerini eğitmek için veri kümesini ve model yapılandırmasını tanımlayan bir YAML dosya biçimi kullanır. OBB veri kümesi tanımlamak için kullanılan YAML biçimine bir örnek:

# 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

train, val ve test öğelerinin her biri bir dizin, dizin listesi veya her satırda bir görüntü yolu bulunan *.txt dosyası kabul eder (./ ile başlayan yollar, *.txt dosyasına göre çözümlenir). *.txt dosyası; bir dizinin alt kümesiyle eğitim yapmak, etiketsiz görüntüleri atlamak veya birden fazla kaynaktaki görüntüleri tek bir bölüme birleştirmek için kullanışlıdır.

path: datasets/dota8 # dataset root
train: train.txt # a directory, a list e.g. [images/a, images/b], or a *.txt file
val: val.txt
names:
  0: plane

Kullanım#

Bu OBB biçimlerini kullanarak model eğitmek için:

from ultralytics import YOLO

# Önceden eğitilmiş bir YOLO26n-OBB modeli yükle
model = YOLO("yolo26n-obb.pt")

# Modeli DOTAv1 veri kümesinde eğit
results = model.train(data="DOTAv1.yaml", epochs=100, imgsz=1024)

Desteklenen Veri Kümeleri#

Şu anda yönlendirilmiş sınırlayıcı kutulara sahip aşağıdaki veri kümeleri destekleniyor. Bu veri kümelerinin çoğu, görüntülere ve açıklamalara göz atabileceğin, veri kümesi istatistiklerini görüntüleyebileceğin ve bulut üzerinde eğitim için veri kümelerini kopyalayabileceğin Ultralytics Platform üzerinde de barındırılıyor.

• DOTA-v1: DOTA veri kümesinin ilk sürümüdür; nesne algılama için yönlendirilmiş sınırlayıcı kutular içeren kapsamlı bir hava görüntüsü koleksiyonu sunar.
• DOTA-v1.5: DOTA veri kümesinin ara sürümüdür; gelişmiş nesne algılama görevleri için DOTA-v1'e kıyasla ek açıklamalar ve iyileştirmeler sunar.
• DOTA-v2: DOTA'nın (Hava Görüntülerinde Nesne Algılama için Büyük Ölçekli Veri Kümesi) 2. sürümüdür; hava perspektifinden algılamaya odaklanır ve 1,7 milyon örnek ile 11.268 görüntüden oluşan yönlendirilmiş sınırlayıcı kutular içerir.
• DOTA8: Tam DOTA veri kümesinin 8 görüntülük küçük bir alt kümesidir; iş akışlarını ve ultralytics deposundaki OBB eğitimine yönelik Sürekli Tümleştirme (CI) kontrollerini sınamak için uygundur.
• DOTA8 Multispectral: Ultralytics Platform'da çok bantlı OBB eğitimini sınamak için hazırlanmış, 8 görüntü ve 10 kanal içeren bir TIFF alt kümesidir.
• DOTA128: DOTA veri kümesinin, tüm görüntüleri train klasöründe bulunan (hem train hem de val için kullanılan) 128 görüntülük bir alt kümesidir; OBB modellerini sınamak için boyut ve çeşitlilik arasında iyi bir denge sunar.

Kendi OBB veri kümeni kullanma#

Yönlendirilmiş sınırlayıcı kutular içeren kendi veri kümelerini kullanmak istiyorsan yukarıda belirtilen "YOLO OBB biçimi" ile uyumlu olduklarından emin ol. Açıklamalarını bu gerekli biçime dönüştür ve yolları, sınıfları ve sınıf adlarını ilgili YAML yapılandırma dosyasında belirt.

Etiket Biçimlerini Dönüştürme#

DOTA Veri Kümesi Biçiminden YOLO OBB Biçimine#

Bu betiği kullanarak etiketleri DOTA veri kümesi biçiminden YOLO OBB biçimine dönüştürebilirsin:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

Bu dönüştürme yöntemi, DOTA biçimindeki veri kümeleri için önemlidir ve Ultralytics YOLO OBB biçimiyle uyum sağlar.

Veri kümesinin modelinle uyumlu olduğunu doğrulaman ve gerekli biçim kurallarına uyman çok önemlidir. İyi yapılandırılmış veri kümeleri, yönlendirilmiş sınırlayıcı kutular kullanan verimli nesne algılama modellerini eğitmek için kritik öneme sahiptir.

Sık Sorulan Sorular#