Bộ dữ liệu VisDrone

Bộ dữ liệu VisDrone là một benchmark quy mô lớn được tạo ra bởi nhóm AISKYEYE tại Phòng thí nghiệm Machine Learning và Khai thác dữ liệu, Đại học Thiên Tân, Trung Quốc. Nó chứa dữ liệu ground truth được chú thích cẩn thận cho nhiều tác vụ computer vision liên quan đến phân tích hình ảnh và video từ drone.

Watch: How to Train Ultralytics YOLO26 on the VisDrone Dataset | Aerial Detection | Complete Tutorial 🚀

VisDrone bao gồm 288 clip video với 261.908 khung hình và 10.209 hình ảnh tĩnh, được ghi lại bởi nhiều loại camera gắn trên drone. Bộ dữ liệu bao quát nhiều khía cạnh, bao gồm địa điểm (14 thành phố khác nhau trên khắp Trung Quốc), môi trường (thành thị và nông thôn), đối tượng (người đi bộ, phương tiện, xe đạp, v.v.) và mật độ (cảnh thưa thớt và đông đúc). Bộ dữ liệu được thu thập bằng nhiều nền tảng drone trong các tình huống, điều kiện thời tiết và ánh sáng khác nhau. Các khung hình này được chú thích thủ công với hơn 2,6 triệu bounding box của các mục tiêu như người đi bộ, ô tô, xe đạp và xe ba bánh. Các thuộc tính như tầm nhìn hiện trường, lớp đối tượng và sự che khuất cũng được cung cấp để sử dụng dữ liệu hiệu quả hơn.

Cấu trúc tập dữ liệu

Bộ dữ liệu VisDrone được tổ chức thành năm tập con chính, mỗi tập tập trung vào một tác vụ cụ thể:

Tác vụ 1: Phát hiện đối tượng trong hình ảnh
Tác vụ 2: Phát hiện đối tượng trong video
Tác vụ 3: Theo dõi đối tượng đơn lẻ
Tác vụ 4: Theo dõi đa đối tượng
Tác vụ 5: Đếm đám đông

Ứng dụng

Bộ dữ liệu VisDrone được sử dụng rộng rãi để huấn luyện và đánh giá các mô hình deep learning trong các tác vụ computer vision dựa trên drone như phát hiện đối tượng, theo dõi đối tượng và đếm đám đông. Tập hợp dữ liệu cảm biến đa dạng, các chú thích đối tượng và thuộc tính của bộ dữ liệu làm cho nó trở thành một nguồn tài nguyên quý giá cho các nhà nghiên cứu và thực hành trong lĩnh vực computer vision dựa trên drone.

Dataset YAML

Một tệp YAML (Yet Another Markup Language) được sử dụng để xác định cấu hình bộ dữ liệu. Nó chứa thông tin về đường dẫn, các lớp và các thông tin liên quan khác của bộ dữ liệu. Trong trường hợp bộ dữ liệu VisDrone, tệp VisDrone.yaml được duy trì tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VisDrone.yaml.

ultralytics/cfg/datasets/VisDrone.yaml

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

# VisDrone2019-DET dataset https://github.com/VisDrone/VisDrone-Dataset by Tianjin University
# Documentation: https://docs.ultralytics.com/datasets/detect/visdrone/
# Example usage: yolo train data=VisDrone.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── VisDrone ← downloads here (2.3 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: VisDrone # dataset root dir
train: images/train # train images (relative to 'path') 6471 images
val: images/val # val images (relative to 'path') 548 images
test: images/test # test-dev images (optional) 1610 images

# Classes
names:
  0: pedestrian
  1: people
  2: bicycle
  3: car
  4: van
  5: truck
  6: tricycle
  7: awning-tricycle
  8: bus
  9: motor

# Download script/URL (optional) ---------------------------------------------------------------------------------------
download: |
  import os
  from pathlib import Path
  import shutil

  from ultralytics.utils.downloads import download
  from ultralytics.utils import ASSETS_URL, TQDM

  def visdrone2yolo(dir, split, source_name=None):
      """Convert VisDrone annotations to YOLO format with images/{split} and labels/{split} structure."""
      from PIL import Image

      source_dir = dir / (source_name or f"VisDrone2019-DET-{split}")
      images_dir = dir / "images" / split
      labels_dir = dir / "labels" / split
      labels_dir.mkdir(parents=True, exist_ok=True)

      # Move images to new structure
      if (source_images_dir := source_dir / "images").exists():
          images_dir.mkdir(parents=True, exist_ok=True)
          for img in source_images_dir.glob("*.jpg"):
              img.rename(images_dir / img.name)

      for f in TQDM((source_dir / "annotations").glob("*.txt"), desc=f"Converting {split}"):
          img_size = Image.open(images_dir / f.with_suffix(".jpg").name).size
          dw, dh = 1.0 / img_size[0], 1.0 / img_size[1]
          lines = []

          with open(f, encoding="utf-8") as file:
              for row in [x.split(",") for x in file.read().strip().splitlines()]:
                  if row[4] != "0":  # Skip ignored regions
                      x, y, w, h = map(int, row[:4])
                      cls = int(row[5]) - 1
                      # Convert to YOLO format
                      x_center, y_center = (x + w / 2) * dw, (y + h / 2) * dh
                      w_norm, h_norm = w * dw, h * dh
                      lines.append(f"{cls} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}\n")

          (labels_dir / f.name).write_text("".join(lines), encoding="utf-8")

  # Download (ignores test-challenge split)
  dir = Path(yaml["path"])  # dataset root dir
  urls = [
      f"{ASSETS_URL}/VisDrone2019-DET-train.zip",
      f"{ASSETS_URL}/VisDrone2019-DET-val.zip",
      f"{ASSETS_URL}/VisDrone2019-DET-test-dev.zip",
      # f"{ASSETS_URL}/VisDrone2019-DET-test-challenge.zip",
  ]
  download(urls, dir=dir, threads=4)

  # Convert
  splits = {"VisDrone2019-DET-train": "train", "VisDrone2019-DET-val": "val", "VisDrone2019-DET-test-dev": "test"}
  for folder, split in splits.items():
      visdrone2yolo(dir, split, folder)  # convert VisDrone annotations to YOLO labels
      shutil.rmtree(dir / folder)  # cleanup original directory

Cách sử dụng

Để huấn luyện mô hình YOLO26n trên bộ dữ liệu VisDrone trong 100 epochs với kích thước hình ảnh là 640, bạn có thể sử dụng các đoạn mã sau. Để có danh sách đầy đủ các tham số khả dụng, hãy tham khảo trang Huấn luyện mô hình.

Ví dụ huấn luyện

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="VisDrone.yaml", epochs=100, imgsz=640)

Dữ liệu mẫu và Chú thích

Bộ dữ liệu VisDrone chứa một tập hợp đa dạng các hình ảnh và video được ghi lại bởi camera gắn trên drone. Dưới đây là một số ví dụ về dữ liệu từ bộ dữ liệu, cùng với các chú thích tương ứng:

Hình ảnh drone trên không của bộ dữ liệu VisDrone với tính năng phát hiện đối tượng

Tác vụ 1: Phát hiện đối tượng trong hình ảnh - Hình ảnh này minh họa một ví dụ về phát hiện đối tượng trong hình ảnh, nơi các đối tượng được chú thích bằng bounding box. Bộ dữ liệu cung cấp nhiều loại hình ảnh được chụp từ các địa điểm, môi trường và mật độ khác nhau để hỗ trợ việc phát triển các mô hình cho tác vụ này.

Ví dụ này cho thấy sự đa dạng và phức tạp của dữ liệu trong bộ dữ liệu VisDrone và nhấn mạnh tầm quan trọng của dữ liệu cảm biến chất lượng cao đối với các tác vụ computer vision dựa trên drone.

Trích dẫn và Ghi nhận

Nếu bạn sử dụng bộ dữ liệu VisDrone trong công việc nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn bài báo sau:

Trích dẫn

@ARTICLE{9573394,
  author={Zhu, Pengfei and Wen, Longyin and Du, Dawei and Bian, Xiao and Fan, Heng and Hu, Qinghua and Ling, Haibin},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  title={Detection and Tracking Meet Drones Challenge},
  year={2021},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3119563}}

Chúng tôi muốn gửi lời cảm ơn tới nhóm AISKYEYE tại Phòng thí nghiệm Machine Learning và Khai thác dữ liệu, Đại học Thiên Tân, Trung Quốc, vì đã tạo và duy trì bộ dữ liệu VisDrone như một nguồn tài nguyên quý giá cho cộng đồng nghiên cứu computer vision dựa trên drone. Để biết thêm thông tin về bộ dữ liệu VisDrone và những người tạo ra nó, hãy truy cập Kho lưu trữ GitHub của Bộ dữ liệu VisDrone.

Câu hỏi thường gặp (FAQ)

Bộ dữ liệu VisDrone là gì và các tính năng chính của nó là gì?

Bộ dữ liệu VisDrone là một benchmark quy mô lớn được tạo ra bởi nhóm AISKYEYE tại Đại học Thiên Tân, Trung Quốc. Nó được thiết kế cho nhiều tác vụ computer vision liên quan đến phân tích hình ảnh và video từ drone. Các tính năng chính bao gồm:

Cấu tạo: 288 clip video với 261.908 khung hình và 10.209 hình ảnh tĩnh.
Chú thích: Hơn 2,6 triệu bounding box cho các đối tượng như người đi bộ, ô tô, xe đạp và xe ba bánh.
Đa dạng: Được thu thập trên 14 thành phố, trong các bối cảnh đô thị và nông thôn, dưới các điều kiện thời tiết và ánh sáng khác nhau.
Tác vụ: Chia thành năm tác vụ chính—phát hiện đối tượng trong hình ảnh và video, theo dõi đối tượng đơn lẻ và đa đối tượng, và đếm đám đông.

Làm thế nào tôi có thể sử dụng Bộ dữ liệu VisDrone để huấn luyện mô hình YOLO26 với Ultralytics?

Để huấn luyện mô hình YOLO26 trên bộ dữ liệu VisDrone trong 100 epochs với kích thước hình ảnh 640, bạn có thể làm theo các bước sau:

Ví dụ huấn luyện

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo26n.pt")

# Train the model
results = model.train(data="VisDrone.yaml", epochs=100, imgsz=640)

Để biết thêm các tùy chọn cấu hình, vui lòng tham khảo trang Huấn luyện mô hình.

Các tập con chính của bộ dữ liệu VisDrone và ứng dụng của chúng là gì?

Bộ dữ liệu VisDrone được chia thành năm tập con chính, mỗi tập được tùy chỉnh cho một tác vụ computer vision cụ thể:

Tác vụ 1: Phát hiện đối tượng trong hình ảnh.
Tác vụ 2: Phát hiện đối tượng trong video.
Tác vụ 3: Theo dõi đối tượng đơn lẻ.
Tác vụ 4: Theo dõi đa đối tượng.
Tác vụ 5: Đếm đám đông.

Các tập con này được sử dụng rộng rãi để huấn luyện và đánh giá các mô hình deep learning trong các ứng dụng dựa trên drone như giám sát, quản lý giao thông và an toàn công cộng.

Tôi có thể tìm thấy tệp cấu hình cho bộ dữ liệu VisDrone ở đâu trong Ultralytics?

Tệp cấu hình cho bộ dữ liệu VisDrone, VisDrone.yaml, có thể được tìm thấy trong kho lưu trữ Ultralytics tại liên kết sau: VisDrone.yaml.

Làm thế nào tôi có thể trích dẫn bộ dữ liệu VisDrone nếu tôi sử dụng nó trong nghiên cứu của mình?