─░├žeri─če ge├ž

OBB ile DOTA Veri K├╝mesi

DOTA, hava g├Âr├╝nt├╝lerinde nesne tespitini vurgulayan ├Âzel bir veri k├╝mesi olarak duruyor. DOTA veri k├╝meleri serisinden kaynaklanan bu veri k├╝mesi, Y├Ânlendirilmi┼č S─▒n─▒rlay─▒c─▒ Kutular (OBB) ile ├že┼čitli hava sahnelerini yakalayan a├ž─▒klamal─▒ g├Âr├╝nt├╝ler sunmaktad─▒r.

DOTA s─▒n─▒flar─▒ g├Ârseli

Temel ├ľzellikler

  • G├Âr├╝nt├╝ boyutlar─▒ 800 ├Ś 800 ila 20.000 ├Ś 20.000 piksel aras─▒nda de─či┼čen ├že┼čitli sens├Ârlerden ve platformlardan toplama.
  • 18 kategoride 1,7 milyondan fazla Y├Ânlendirilmi┼č S─▒n─▒rlay─▒c─▒ Kutu i├žerir.
  • ├çok ├Âl├žekli nesne alg─▒lamay─▒ kapsar.
  • ├ľrnekler, uzmanlar taraf─▒ndan rastgele (8 d.o.f.) d├Ârtgen kullan─▒larak, farkl─▒ ├Âl├žek, y├Ân ve ┼čekillerdeki nesneler yakalanarak notland─▒r─▒l─▒r.

Veri K├╝mesi S├╝r├╝mleri

DOTA-v1.0

  • 15 ortak kategori i├žerir.
  • 188.282 ├Ârnek ile 2.806 g├Âr├╝nt├╝den olu┼čmaktad─▒r.
  • B├Âl├╝nm├╝┼č oranlar: E─čitim i├žin 1/2, do─črulama i├žin 1/6 ve test i├žin 1/3.

DOTA-v1.5

  • DOTA-v1.0 ile ayn─▒ g├Âr├╝nt├╝leri i├žerir.
  • ├çok k├╝├ž├╝k ├Ârneklere de (10 pikselden az) a├ž─▒klama eklenmi┼čtir.
  • Yeni bir kategori eklenmesi: "konteyner vinci".
  • Toplam 403.318 ├Ârnek.
  • Hava G├Âr├╝nt├╝lerinde Nesne Alg─▒lama konulu DOAI Challenge 2019 i├žin yay─▒nland─▒.

DOTA-v2.0

  • Google Earth, GF-2 Uydu ve di─čer hava g├Âr├╝nt├╝lerinden koleksiyonlar.
  • 18 ortak kategori i├žerir.
  • Tam 1.793.658 ├Ârnekle 11.268 g├Âr├╝nt├╝den olu┼čmaktad─▒r.
  • Yeni kategoriler tan─▒t─▒ld─▒: "havaalan─▒" ve "helikopter pisti".
  • G├Âr├╝nt├╝ b├Âl├╝n├╝yor:
    • E─čitim: 268.627 ├Ârnek ile 1.830 g├Âr├╝nt├╝.
    • Do─črulama: 81.048 ├Ârnek ile 593 g├Âr├╝nt├╝.
    • Test-dev: 353.346 ├Ârnek ile 2.792 g├Âr├╝nt├╝.
    • Test m├╝cadelesi: 1.090.637 ├Ârnek ile 6.053 g├Âr├╝nt├╝.

Veri K├╝mesi Yap─▒s─▒

DOTA, OBB nesne alg─▒lama zorluklar─▒ i├žin ├Âzel olarak tasarlanm─▒┼č yap─▒land─▒r─▒lm─▒┼č bir d├╝zen sergiler:

  • G├Âr├╝nt├╝ler: ├çe┼čitli arazileri ve yap─▒lar─▒ yakalayan y├╝ksek ├ž├Âz├╝n├╝rl├╝kl├╝ hava g├Âr├╝nt├╝lerinden olu┼čan geni┼č bir koleksiyon.
  • Y├Ânlendirilmi┼č S─▒n─▒rlay─▒c─▒ Kutular: U├žak, gemi ve bina gibi nesneleri yakalamak i├žin ideal olan, y├Ânlerine bak─▒lmaks─▒z─▒n nesneleri kapsayan d├Ând├╝r├╝lm├╝┼č dikd├Ârtgenler bi├žimindeki ek a├ž─▒klamalar.

Uygulamalar

DOTA, havadan g├Âr├╝nt├╝ analizi i├žin ├Âzel olarak tasarlanm─▒┼č modelleri e─čitmek ve de─čerlendirmek i├žin bir ├Âl├ž├╝t g├Ârevi g├Âr├╝r. OBB ek a├ž─▒klamalar─▒n─▒n dahil edilmesiyle, hava g├Âr├╝nt├╝lerinin n├╝anslar─▒na hitap eden ├Âzel nesne alg─▒lama modellerinin geli┼čtirilmesine olanak tan─▒yan benzersiz bir zorluk sa─člar.

Veri K├╝mesi YAML

Tipik olarak veri k├╝meleri, veri k├╝mesinin yap─▒land─▒rmas─▒n─▒ detayland─▒ran bir YAML (Yet Another Markup Language) dosyas─▒ i├žerir. DOTA v1 ve DOTA v1.5 i├žin Ultralytics ┼čunlar─▒ sa─člar DOTAv1.yaml ve DOTAv1.5.yaml dosyalar─▒. Bunlar ve DOTA v2 hakk─▒nda daha fazla ayr─▒nt─▒ i├žin l├╝tfen DOTA'n─▒n resmi deposuna ve belgelerine bak─▒n.

DOTAv1.yaml

# Ultralytics YOLO ­čÜÇ, AGPL-3.0 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
# ÔöťÔöÇÔöÇ ultralytics
# ÔööÔöÇÔöÇ datasets
#     ÔööÔöÇÔöÇ dota1  ÔćÉ downloads here (2GB)

# 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/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/yolov5/releases/download/v1.0/DOTAv1.zip

B├Âl├╝nm├╝┼č DOTA g├Âr├╝nt├╝leri

DOTA veri k├╝mesini e─čitmek i├žin, y├╝ksek ├ž├Âz├╝n├╝rl├╝kl├╝ orijinal DOTA g├Âr├╝nt├╝lerini ├žok ├Âl├žekli bir ┼čekilde 1024x1024 ├ž├Âz├╝n├╝rl├╝kl├╝ g├Âr├╝nt├╝lere ay─▒rd─▒k.

B├Âl├╝nm├╝┼č g├Âr├╝nt├╝ler

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,
)

Kullan─▒m

DOTA v1 veri k├╝mesi ├╝zerinde bir modeli e─čitmek i├žin a┼ča─č─▒daki kod par├žac─▒klar─▒n─▒ kullanabilirsiniz. Kullan─▒labilir arg├╝manlar─▒n kapsaml─▒ bir listesi i├žin her zaman modelinizin belgelerine bak─▒n.

Uyar─▒

DOTAv1 veri setindeki t├╝m g├Âr├╝nt├╝lerin ve ilgili a├ž─▒klamalar─▒n akademik ama├žlarla kullan─▒labilece─čini, ancak ticari kullan─▒m─▒n yasak oldu─čunu l├╝tfen unutmay─▒n. Veri setinin yarat─▒c─▒lar─▒n─▒n isteklerine g├Âsterece─činiz anlay─▒┼č ve sayg─▒ b├╝y├╝k takdir toplayacakt─▒r!

Tren ├ľrne─či

from ultralytics import YOLO

# Create a new YOLOv8n-OBB model from scratch
model = YOLO("yolov8n-obb.yaml")

# Train the model on the DOTAv2 dataset
results = model.train(data="DOTAv1.yaml", epochs=100, imgsz=640)
# Train a new YOLOv8n-OBB model on the DOTAv2 dataset
yolo obb train data=DOTAv1.yaml model=yolov8n-obb.pt epochs=100 imgsz=640

├ľrnek Veriler ve A├ž─▒klamalar

Veri setine bir g├Âz atmak, derinli─čini g├Âstermektedir:

Veri k├╝mesi ├Ârnek g├Âr├╝nt├╝s├╝

  • DOTA ├Ârnekleri: Bu anl─▒k g├Âr├╝nt├╝, hava sahnelerinin karma┼č─▒kl─▒─č─▒n─▒n ve nesneleri do─čal y├Ânlerinde yakalayan Y├Ânlendirilmi┼č S─▒n─▒rlay─▒c─▒ Kutu a├ž─▒klamalar─▒n─▒n ├Âneminin alt─▒n─▒ ├žizmektedir.

Veri setinin zenginli─či, hava g├Âr├╝nt├╝lerine ├Âzel nesne alg─▒lama zorluklar─▒ hakk─▒nda paha bi├žilmez bilgiler sunuyor.

At─▒flar ve Te┼čekk├╝r

├çal─▒┼čmalar─▒nda DOTA'dan yararlananlar i├žin ilgili ara┼čt─▒rma makalelerine at─▒fta bulunmak yerinde olacakt─▒r:

@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}
}

DOTA veri setlerinin arkas─▒ndaki ekibe, bu veri setinin k├╝rat├Ârl├╝─č├╝nde g├Âsterdikleri ├Âvg├╝ye de─čer ├žaba i├žin ├Âzel bir te┼čekk├╝r notu. Veri setini ve n├╝anslar─▒n─▒ kapsaml─▒ bir ┼čekilde anlamak i├žin l├╝tfen resmi DOTA web sitesini ziyaret edin.



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (9), Laughing-q (1)

Yorumlar