Tập dữ liệu xView#
Bộ dữ liệu xView là một trong những benchmark hình ảnh vệ tinh lớn nhất có sẵn công khai cho tác vụ object detection, cung cấp hơn 1 triệu thực thể đối tượng trên 60 lớp được chú thích bằng bounding boxes trong hơn 1.400 km² hình ảnh WorldView-3 độ phân giải 0,3 m. Nó được phát hành cho Thử thách DIUx xView 2018 bởi Cơ quan Tình báo Không gian Địa lý Quốc gia Hoa Kỳ (NGA) và yêu cầu tải xuống thủ công khoảng 20,7 GB.
Bộ dữ liệu được tạo ra để đẩy mạnh bốn ranh giới computer vision:
- Giảm độ phân giải tối thiểu cho việc phát hiện.
- Cải thiện hiệu quả học tập.
- Cho phép khám phá thêm nhiều lớp đối tượng.
- Cải thiện khả năng phát hiện các lớp đối tượng chi tiết.
Dựa trên các benchmark như COCO, xView nhắm đến hình ảnh chụp từ trên cao, nơi các đối tượng nhỏ hơn nhiều và dày đặc hơn so với ảnh chụp ở mặt đất.
Bộ dữ liệu xView không được tải xuống tự động. Hãy đăng ký tại trang web DIUx xView 2018 Challenge để tải xuống train_images.zip (~15 GB), train_labels.zip, và val_images.zip (~5 GB), sau đó giải nén chúng vào datasets/xView/ sao cho nó chứa:
datasets/xView/
├── train_images/ # 847 TIF satellite images
├── val_images/ # 282 TIF images (no public labels)
└── xView_train.geojson # bounding-box annotationsTrong lần chạy huấn luyện đầu tiên, Ultralytics tự động chuyển đổi các chú thích GeoJSON sang định dạng YOLO và chia các ảnh đã dán nhãn theo tỷ lệ khoảng 90/10 thành các tập huấn luyện và kiểm thử — không cần chuyển đổi thủ công.
Tính năng chính#
- Lớp hạt mịn (Fine-grained classes): 60 lớp đối tượng bao gồm máy bay, phương tiện, toa tàu hỏa, tàu thủy, thiết bị xây dựng, và tòa nhà — nhiều lớp có kích thước nhỏ, hiếm gặp và có hình ảnh tương đồng.
- Độ phân giải cao: Khoảng cách lấy mẫu mặt đất 0.3 m thu thập từ các vệ tinh WorldView-3.
- Chú thích dày đặc (Dense annotation): hơn 1 triệu thực thể đối tượng trên hơn 1.400 km² hình ảnh, tất cả đều được dán nhãn bằng bounding boxes nằm ngang.
- Chuyển đổi tự động: tập lệnh tải xuống của Ultralytics chuyển đổi các nhãn GeoJSON gốc sang định dạng YOLO và tạo phân chia train/val trong lần sử dụng đầu tiên.
Cấu trúc tập dữ liệu#
Hình ảnh xView là các cảnh vệ tinh lớn ở định dạng TIF, và chỉ 847 hình ảnh huấn luyện được phát hành kèm nhãn công khai — tập kiểm định của thử thách gồm 282 hình ảnh không có nhãn. Cấu hình Ultralytics xView.yaml do đó sẽ tự động chia các hình ảnh có nhãn trong lần sử dụng đầu tiên:
| Split | Hình ảnh | Mô tả |
|---|---|---|
| Huấn luyện (Train) | ~90% của 847 | Hình ảnh có nhãn được liệt kê trong autosplit_train.txt, được tạo trong lần chạy đầu tiên |
| Validation | ~10% của 847 | Hình ảnh có nhãn được liệt kê trong autosplit_val.txt, được sử dụng để evaluation |
60 lớp bao gồm các danh mục chi tiết như Máy bay cánh cố định, Máy bay chở hàng, Xe hơi nhỏ, Xe buýt, Đầu máy xe lửa, Tàu thủy, Máy xúc, Tòa nhà, Nhà chứa máy bay và Bồn chứa; danh sách đầy đủ nằm trong Dataset YAML bên dưới. Trong quá trình chuyển đổi, ID lớp thử thách ban đầu (11–94) được ánh xạ lại thành các chỉ số liên tục từ 0–59.
Ứng dụng#
Các lớp chi tiết và góc nhìn chụp từ trên cao độ phân giải cao của xView biến nó thành một benchmark chuẩn để huấn luyện và đánh giá các mô hình deep learning trong remote sensing. Các ứng dụng phổ biến bao gồm:
- Trinh sát quân sự và quốc phòng
- Quy hoạch và phát triển đô thị
- Giám sát môi trường
- Phản ứng và đánh giá thảm họa
- Lập bản đồ và quản lý cơ sở hạ tầng
Đối với các benchmark hình ảnh trên không khác, hãy xem VisDrone dataset tập trung vào drone hoặc DOTA-v2 dataset hộp có định hướng.
YAML tập dữ liệu#
Tệp xView.yaml định nghĩa cấu hình bộ dữ liệu — các đường dẫn bộ dữ liệu, 60 tên lớp và tập lệnh tải xuống chuyển đổi các chú thích GeoJSON và tạo tập chia tự động. Nó được duy trì trong kho lưu trữ Ultralytics tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/xView.yaml.
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# DIUx xView 2018 Challenge dataset https://challenge.xviewdataset.org by U.S. National Geospatial-Intelligence Agency (NGA)
# -------- Download and extract data manually to `datasets/xView` before running the train command. --------
# Documentation: https://docs.ultralytics.com/datasets/detect/xview
# Example usage: yolo train data=xView.yaml
# parent
# ├── ultralytics
# └── datasets
# └── xView ← downloads here (20.7 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: xView # dataset root dir
train: images/autosplit_train.txt # train images (relative to 'path') 90% of 847 train images
val: images/autosplit_val.txt # val images (relative to 'path') 10% of 847 train images
# Classes
names:
0: Fixed-wing Aircraft
1: Small Aircraft
2: Cargo Plane
3: Helicopter
4: Passenger Vehicle
5: Small Car
6: Bus
7: Pickup Truck
8: Utility Truck
9: Truck
10: Cargo Truck
11: Truck w/Box
12: Truck Tractor
13: Trailer
14: Truck w/Flatbed
15: Truck w/Liquid
16: Crane Truck
17: Railway Vehicle
18: Passenger Car
19: Cargo Car
20: Flat Car
21: Tank car
22: Locomotive
23: Maritime Vessel
24: Motorboat
25: Sailboat
26: Tugboat
27: Barge
28: Fishing Vessel
29: Ferry
30: Yacht
31: Container Ship
32: Oil Tanker
33: Engineering Vehicle
34: Tower crane
35: Container Crane
36: Reach Stacker
37: Straddle Carrier
38: Mobile Crane
39: Dump Truck
40: Haul Truck
41: Scraper/Tractor
42: Front loader/Bulldozer
43: Excavator
44: Cement Mixer
45: Ground Grader
46: Hut/Tent
47: Shed
48: Building
49: Aircraft Hangar
50: Damaged Building
51: Facility
52: Construction Site
53: Vehicle Lot
54: Helipad
55: Storage Tank
56: Shipping container lot
57: Shipping Container
58: Pylon
59: Tower
# Download script/URL (optional) ---------------------------------------------------------------------------------------
download: |
import json
from pathlib import Path
import shutil
import numpy as np
from PIL import Image
from ultralytics.utils import TQDM
from ultralytics.data.split import autosplit
from ultralytics.utils.ops import xyxy2xywhn
def convert_labels(fname=Path("xView/xView_train.geojson")):
"""Convert xView GeoJSON labels to YOLO format (classes 0-59) and save them as text files."""
path = fname.parent
with open(fname, encoding="utf-8") as f:
print(f"Loading {fname}...")
data = json.load(f)
# Make dirs
labels = path / "labels" / "train"
shutil.rmtree(labels, ignore_errors=True)
labels.mkdir(parents=True, exist_ok=True)
# xView classes 11-94 to 0-59
xview_class2index = [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, 0, 1, 2, -1, 3, -1, 4, 5, 6, 7, 8, -1, 9, 10, 11,
12, 13, 14, 15, -1, -1, 16, 17, 18, 19, 20, 21, 22, -1, 23, 24, 25, -1, 26, 27, -1, 28, -1,
29, 30, 31, 32, 33, 34, 35, 36, 37, -1, 38, 39, 40, 41, 42, 43, 44, 45, -1, -1, -1, -1, 46,
47, 48, 49, -1, 50, 51, -1, 52, -1, -1, -1, 53, 54, -1, 55, -1, -1, 56, -1, 57, -1, 58, 59]
shapes = {}
for feature in TQDM(data["features"], desc=f"Converting {fname}"):
p = feature["properties"]
if p["bounds_imcoords"]:
image_id = p["image_id"]
image_file = path / "train_images" / image_id
if image_file.exists(): # 1395.tif missing
try:
box = np.array([int(num) for num in p["bounds_imcoords"].split(",")])
assert box.shape[0] == 4, f"incorrect box shape {box.shape[0]}"
cls = p["type_id"]
cls = xview_class2index[int(cls)] # xView class to 0-59
assert 59 >= cls >= 0, f"incorrect class index {cls}"
# Write YOLO label
if image_id not in shapes:
shapes[image_id] = Image.open(image_file).size
box = xyxy2xywhn(box[None].astype(float), w=shapes[image_id][0], h=shapes[image_id][1], clip=True)
with open((labels / image_id).with_suffix(".txt"), "a", encoding="utf-8") as f:
f.write(f"{cls} {' '.join(f'{x:.6f}' for x in box[0])}\n") # write label.txt
except Exception as e:
print(f"WARNING: skipping one label for {image_file}: {e}")
# Download manually from https://challenge.xviewdataset.org
dir = Path(yaml["path"]) # dataset root dir
# urls = [
# "https://d307kc0mrhucc3.cloudfront.net/train_labels.zip", # train labels
# "https://d307kc0mrhucc3.cloudfront.net/train_images.zip", # 15G, 847 train images
# "https://d307kc0mrhucc3.cloudfront.net/val_images.zip", # 5G, 282 val images (no labels)
# ]
# download(urls, dir=dir)
# Convert labels
convert_labels(dir / "xView_train.geojson")
# Move images
images = Path(dir / "images")
images.mkdir(parents=True, exist_ok=True)
Path(dir / "train_images").rename(dir / "images" / "train")
Path(dir / "val_images").rename(dir / "images" / "val")
# Split
autosplit(dir / "images" / "train")Cách sử dụng#
Quá trình huấn luyện yêu cầu tệp tải xuống thủ công được mô tả ở trên phải được giải nén dưới datasets/xView/; việc chuyển đổi chú thích và chia tập train/val sau đó sẽ chạy tự động.
Để huấn luyện mô hình trên bộ dữ liệu xView trong 100 epochs với kích thước ảnh là 640, bạn có thể sử dụng các đoạn mã sau. Để có danh sách toàn diện các đối số có sẵn, hãy tham khảo trang Training của mô hình.
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="xView.yaml", epochs=100, imgsz=640)Để chú thích thêm hình ảnh vệ tinh và quản lý các lượt huấn luyện xView trong trình duyệt của bạn, hãy sử dụng Ultralytics Platform.
Dữ liệu mẫu và Chú thích#
Mẫu dưới đây cho thấy một cảnh xView điển hình: hình ảnh chụp từ trên cao độ phân giải cao, trong đó các đối tượng nhỏ như xe cộ và tòa nhà được chú thích bằng các bounding box, minh họa lý do tại sao object detection trong hình ảnh vệ tinh đòi hỏi định vị chi tiết.

Trích dẫn và Ghi nhận#
Nếu bạn sử dụng tập dữ liệu xView trong công việc nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn bài báo sau:
@misc{lam2018xview,
title={xView: Objects in Context in Overhead Imagery},
author={Darius Lam and Richard Kuzma and Kevin McGee and Samuel Dooley and Michael Laielli and Matthew Klaric and Yaroslav Bulatov and Brendan McCord},
year={2018},
eprint={1802.07856},
archivePrefix={arXiv},
primaryClass={cs.CV}
}Chúng tôi xin gửi lời cảm ơn đến Defense Innovation Unit (DIU) và những người tạo ra bộ dữ liệu xView vì đóng góp quý báu của họ cho cộng đồng nghiên cứu computer vision. Để biết thêm thông tin, hãy truy cập xView dataset website.
Câu hỏi thường gặp#
Bộ dữ liệu xView là một benchmark hình ảnh vệ tinh được phát hành cho Thử thách DIUx xView 2018 bởi Cơ quan Tình báo Không gian Địa lý Quốc gia Hoa Kỳ, cung cấp hơn 1 triệu thực thể đối tượng trên 60 lớp chi tiết trong hình ảnh WorldView-3 độ phân giải 0,3 m. Nó hỗ trợ nghiên cứu phát hiện các đối tượng nhỏ, hiếm và chi tiết trong góc nhìn từ trên cao, vốn là những mục tiêu khó hơn nhiều so với những đối tượng trong ảnh chụp mặt đất.
xView yêu cầu tải xuống thủ công: đăng ký tại trang web DIUx xView 2018 Challenge, tải xuống
train_images.zip(~15 GB),train_labels.zip, vàval_images.zip(~5 GB) — tổng cộng khoảng 20,7 GB — và giải nén chúng dướidatasets/xView/theo bố cục được hiển thị trong cảnh báo ở đầu trang này. Trong lần chạy huấn luyện đầu tiên, Ultralytics sẽ tự động chuyển đổi các chú thích GeoJSON sang định dạng YOLO và tạo tập chia train/validation.xView chứa 847 hình ảnh huấn luyện có nhãn và 282 hình ảnh kiểm định không có nhãn công khai, tất cả đều được chụp bởi vệ tinh WorldView-3 ở độ phân giải 0,3 m. Các chú thích bao gồm hơn 1 triệu thực thể đối tượng trên 60 lớp. Do chỉ có nhãn huấn luyện được công khai, cấu hình Ultralytics
xView.yamlchia 847 hình ảnh có nhãn theo tỷ lệ khoảng 90/10 thành tập huấn luyện và kiểm định; xem Dataset Structure để biết thêm chi tiết.Huấn luyện mô hình YOLO26n trên xView trong 100 epochs với kích thước ảnh 640:
Ví dụ về Trainingfrom ultralytics import YOLO # Load a model model = YOLO("yolo26n.pt") # load a pretrained model (recommended for training) # Train the model results = model.train(data="xView.yaml", epochs=100, imgsz=640)Để biết các đối số và cài đặt chi tiết, hãy tham khảo trang Training của mô hình.
Trích dẫn bài báo "xView: Objects in Context in Overhead Imagery" (Lam et al., arXiv:1802.07856, 2018); mục BibTeX đầy đủ nằm trong phần Citations and Acknowledgments ở trên.



