Link to this sectionTập dữ liệu xView#

Bộ dữ liệu xView là một trong những benchmark hình ảnh vệ tinh lớn nhất hiện có công khai cho tác vụ object detection, cung cấp hơn 1 triệu thực thể đối tượng thuộc 60 lớp được chú thích bằng bounding boxes trong hơn 1.400 km² hình ảnh WorldView-3 với độ phân giải 0.3 m. Bộ dữ liệu này được công bố cho Cuộc thi DIUx xView 2018 bởi Cơ quan Tình báo Địa không gian Quốc gia Hoa Kỳ (NGA) và yêu cầu tải xuống thủ công khoảng 20.7 GB.

Bộ dữ liệu này được tạo ra để thúc đẩy bốn ranh giới của computer vision:

1. Giảm độ phân giải tối thiểu cho việc phát hiện.
2. Cải thiện hiệu quả học tập.
3. Cho phép khám phá thêm nhiều lớp đối tượng.
4. Cải thiện khả năng phát hiện các lớp đối tượng chi tiết.

Dựa trên các benchmark như COCO, xView nhắm đến hình ảnh từ trên cao, nơi các đối tượng nhỏ hơn nhiều và dày đặc hơn so với ảnh chụp ở mặt đất.

datasets/xView/
├── train_images/          # 847 TIF satellite images
├── val_images/            # 282 TIF images (no public labels)
└── xView_train.geojson    # bounding-box annotations

Link to this sectionTính 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.

Link to this sectionCấu trúc tập dữ liệu#

Hình ảnh xView là các cảnh vệ tinh lớn ở định dạng TIF, và chỉ có 847 ảnh huấn luyện đi kèm với nhãn công khai — tập kiểm thử của cuộc thi gồm 282 ảnh thì không có nhãn. Do đó, cấu hình xView.yaml của Ultralytics tự động chia các hình ảnh có nhãn trong lần sử dụng đầu tiên:

60 lớp bao gồm các danh mục hạt mịn 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, các ID lớp gốc của cuộc thi (11–94) được ánh xạ lại thành các chỉ số liên tục 0–59.

Link to this sectionỨng dụng#

Các lớp hạt mịn và góc nhìn từ trên cao có độ phân giải cao của xView biến nó thành một benchmark tiêu chuẩn để huấn luyện và đánh giá các mô hình deep learning trong lĩnh vực 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 từ trên cao khác, hãy xem VisDrone dataset tập trung vào drone hoặc DOTA-v2 dataset với hộp định hướng (oriented-box).

Link to this sectionYAML tập dữ liệu#

Tệp xView.yaml xác định cấu hình bộ dữ liệu — đường dẫn bộ dữ liệu, 60 tên lớp, và tập lệnh tải xuống giúp chuyển đổi các chú thích GeoJSON và tạo autosplit. Tệp này 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")

Link to this sectionCách sử dụng#

Để huấn luyện một model trên tập dữ liệu xView trong 100 epochs với kích thước ảnh là 640, bạn có thể sử dụng các đoạn mã sau đây. Để có danh sách đầy đủ các đối số, hãy tham khảo trang Training của model.

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 dán nhãn thêm cho các hình ảnh vệ tinh và quản lý các lần chạy huấn luyện xView trong trình duyệt, hãy sử dụng Ultralytics Platform.

Link to this sectionDữ liệu mẫu và Chú thích#

Mẫu bên dưới hiển thị một cảnh xView điển hình: hình ảnh từ trên cao có độ phân giải cao, trong đó các đối tượng nhỏ như phương tiện và tòa nhà được chú thích bằng bounding boxes, minh họa lý do tại sao object detection trong hình ảnh vệ tinh đòi hỏi khả năng định vị hạt mịn.

Link to this sectionTrích 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 giá của họ cho cộng đồng nghiên cứu computer vision. Để biết thêm thông tin, hãy truy cập trang web bộ dữ liệu xView.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionTập dữ liệu xView là gì và nó mang lại lợi ích gì cho nghiên cứu computer vision?#

Bộ dữ liệu xView là một benchmark hình ảnh vệ tinh được phát hành cho Cuộc thi DIUx xView 2018 bởi Cơ quan Tình báo Địa không gian Quốc gia Hoa Kỳ, cung cấp hơn 1 triệu thực thể đối tượng thuộc 60 lớp hạt mịn trong hình ảnh WorldView-3 0.3 m. Nó hỗ trợ nghiên cứu về việc phát hiện các đối tượng nhỏ, hiếm gặp và hạt mịn trong các góc nhìn từ trên cao, vốn là những mục tiêu khó hơn nhiều so với ảnh chụp ở mặt đất.

Link to this sectionLàm thế nào để tôi tải xuống và thiết lập bộ dữ liệu xView?#

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, và val_images.zip (~5 GB) — tổng cộng khoảng 20.7 GB — và giải nén chúng vào datasets/xView/ theo cấu trúc hiển thị trong cảnh báo ở đầu trang này. Trong lần chạy huấn luyện đầu tiên, Ultralytics tự động chuyển đổi các chú thích GeoJSON sang định dạng YOLO và tạo phân chia train/validation.

Link to this sectionxView có bao nhiêu hình ảnh và lớp?#

xView chứa 847 hình ảnh huấn luyện đã được dán nhãn và 282 hình ảnh kiểm thử 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 phủ hơn 1 triệu thực thể đối tượng thuộc 60 lớp. Vì chỉ có nhãn huấn luyện là công khai, cấu hình xView.yaml của Ultralytics chia 847 hình ảnh có nhãn theo tỷ lệ khoảng 90/10 thành các tập huấn luyện và kiểm thử; xem Dataset Structure để biết thêm chi tiết.

Link to this sectionLàm thế nào để tôi huấn luyện một mô hình YOLO26 trên bộ dữ liệu xView?#

Huấn luyện mô hình YOLO26n trên xView trong 100 epoch với kích thước ảnh 640:

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 biết các đối số và cài đặt chi tiết, hãy tham khảo trang Training của model.

Link to this sectionLàm thế nào để tôi trích dẫn tập dữ liệu xView trong nghiên cứu của mình?#

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.