YOLO Vision 2026:

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:

  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 chụp từ trên cao, nơi các đối tượng nhỏ hơn nhiều và dày đặc hơn so với ảnh chụp ở mặt đất.

Yêu cầu Tải xuống Thủ công

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 annotations

Trong 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:

SplitHình ảnhMô tả
Huấn luyện (Train)~90% của 847Hình ảnh có nhãn được liệt kê trong autosplit_train.txt, được tạo trong lần chạy đầu tiên
Validation~10% của 847Hình 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/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#

Tải xuống thủ công 20.7 GB

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.

Ví dụ về Training
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.

xView dataset overhead satellite imagery with object detection

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:

Trích dẫn
@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, và val_images.zip (~5 GB) — tổng cộng khoảng 20,7 GB — và giải nén chúng dưới datasets/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.yaml chia 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 Training
    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 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.

Bình luận