Ultralytics YOLO27:

Bộ dữ liệu xView#

Bộ dữ liệu xView là một trong những benchmark ảnh vệ tinh công khai lớn nhất cho phát hiện đối tượng, cung cấp hơn 1 triệu instance đối tượng thuộc 60 lớp, được gán nhãn bằng bounding box trong hơn 1.400 km² ảnh WorldView-3 có độ phân giải 0,3 m. Bộ dữ liệu được phát hành cho DIUx xView 2018 Challenge 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 được tạo ra nhằm thúc đẩy bốn hướng phát triển của thị giác máy tính:

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

Dựa trên các benchmark như COCO, xView tập trung vào ảnh chụp từ trên cao, trong đó 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 trên website DIUx xView 2018 Challenge để tải xuống train_images.zip (~15 GB), train_labels.zipval_images.zip (~5 GB), sau đó giải nén chúng vào datasets/xView/ để thư mục này 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 chuyển đổi các annotation GeoJSON sang format YOLO và tự động chia các ảnh đã gán nhãn theo tỷ lệ xấp xỉ 90/10 thành tập huấn luyện và validation — không cần chuyển đổi thủ công.

Tính năng chính#

  • Các lớp có độ chi tiết cao: 60 lớp đối tượng bao gồm máy bay, phương tiện, phương tiện đường sắt, tàu thuyền, thiết bị xây dựng và tòa nhà — nhiều đối tượng nhỏ, hiếm gặp và có hình ảnh tương tự nhau.
  • Độ phân giải cao: khoảng cách mẫu mặt đất 0,3 m, được thu thập từ các vệ tinh WorldView-3.
  • Gán nhãn dày đặc: hơn 1 triệu instance đối tượng trong hơn 1.400 km² ảnh, tất cả đều được gán nhãn bằng bounding box ngang.
  • Chuyển đổi tự động: script tải xuống của Ultralytics chuyển đổi các label GeoJSON gốc sang format YOLO và tạo train/val split trong lần sử dụng đầu tiên.

Cấu trúc bộ dữ liệu#

Ảnh xView là các cảnh vệ tinh lớn ở format TIF, và chỉ 847 ảnh huấn luyện đi kèm label công khai — tập validation của challenge gồm 282 ảnh không có label. Do đó, cấu hình xView.yaml của Ultralytics sẽ tự động chia các ảnh đã gán nhãn trong lần sử dụng đầu tiên:

SplitẢnhMô tả
Huấn luyện~90% của 847Các ảnh đã gán nhãn được liệt kê trong autosplit_train.txt, tạo trong lần chạy đầu tiên
Validation~10% của 847Các ảnh đã gán nhãn được liệt kê trong autosplit_val.txt, dùng cho đánh giá

60 lớp bao gồm các danh mục có độ chi tiết cao như Máy bay cánh cố định, Máy bay chở hàng, Ô tô nhỏ, Xe buýt, Đầu máy, Tàu thuyền, Máy xúc, Tòa nhà, Nhà chứa máy bay và Bồn chứa; danh sách đầy đủ có trong Dataset YAML bên dưới. Trong quá trình chuyển đổi, các ID lớp gốc của challenge (11–94) được ánh xạ lại thành các chỉ số liên tiếp từ 0–59.

Ứng dụng#

Các lớp có độ chi tiết cao và góc nhìn từ trên cao với độ phân giải cao của xView khiến bộ dữ liệu này trở thành benchmark tiêu chuẩn để huấn luyện và đánh giá các model deep learning trong lĩnh vực viễn thám. 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
  • Ứng phó và đánh giá thảm họa
  • Lập bản đồ và quản lý cơ sở hạ tầng

Để xem các benchmark ảnh chụp từ trên cao khác, hãy tham khảo dataset VisDrone tập trung vào drone hoặc dataset DOTA-v2 sử dụng oriented box.

YAML của bộ dữ liệu#

File xView.yaml định nghĩa cấu hình dataset — các đường dẫn dataset, tên của 60 lớp và script tải xuống để chuyển đổi annotation GeoJSON và tạo autosplit. File này được duy trì trong repository 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 bản tải xuống thủ công được mô tả ở trên phải được giải nén vào datasets/xView/; sau đó, việc chuyển đổi annotation và train/val split sẽ tự động được thực hiện.

Để huấn luyện một model trên dataset xView trong 100 epoch với kích thước ảnh 640, bạn có thể sử dụng các đoạn code sau. Để xem danh sách đầy đủ các tham số khả dụng, hãy tham khảo trang Training của model.

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="xView.yaml", epochs=100, imgsz=640)

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

Dữ liệu mẫu và Annotation#

Ví dụ bên dưới minh họa một cảnh xView điển hình: ảnh chụp từ trên cao có độ phân giải cao, trong đó các đối tượng nhỏ như phương tiện và tòa nhà được gán nhãn bằng bounding box, cho thấy vì sao phát hiện đối tượng trong ảnh vệ tinh đòi hỏi khả năng định vị với độ chi tiết cao.

Ảnh vệ tinh chụp từ trên cao của dataset xView với tính năng phát hiện đối tượng

Trích dẫn và ghi nhận đóng góp#

Nếu sử dụng dataset xView trong công việc nghiên cứu hoặc phát triển, 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 ghi nhận những đóng góp quý báu của Defense Innovation Unit (DIU) và các tác giả của dataset xView cho cộng đồng nghiên cứu thị giác máy tính. Để biết thêm thông tin, hãy truy cập website dataset xView.

FAQ#

  • Dataset xView là một benchmark ảnh vệ tinh được phát hành cho DIUx xView 2018 Challenge bởi Cơ quan Tình báo Địa không gian Quốc gia Hoa Kỳ, cung cấp hơn 1 triệu instance đối tượng thuộc 60 lớp có độ chi tiết cao trong ảnh WorldView-3 có độ phân giải 0,3 m. Dataset này hỗ trợ nghiên cứu về phát hiện các đối tượng nhỏ, hiếm gặp và có độ chi tiết cao trong góc nhìn từ trên cao, vốn khó phát hiện hơn nhiều so với các đối tượng trong ảnh chụp ở mặt đất.

  • xView yêu cầu tải xuống thủ công: đăng ký trên website DIUx xView 2018 Challenge, tải xuống train_images.zip (~15 GB), train_labels.zipval_images.zip (~5 GB) — tổng cộng khoảng 20,7 GB — rồi giải nén chúng vào datasets/xView/ theo cấu trúc được minh họa trong cảnh báo ở đầu trang này. Trong lần chạy huấn luyện đầu tiên, Ultralytics sẽ tự động chuyển đổi annotation GeoJSON sang format YOLO và tạo train/validation split.

  • xView chứa 847 ảnh huấn luyện đã gán nhãn và 282 ảnh validation không có label công khai, tất cả đều được chụp bởi các vệ tinh WorldView-3 ở độ phân giải 0,3 m. Các annotation bao phủ hơn 1 triệu instance đối tượng thuộc 60 lớp. Vì chỉ có label huấn luyện được công khai, cấu hình xView.yaml của Ultralytics sẽ chia 847 ảnh đã gán nhãn theo tỷ lệ xấp xỉ 90/10 thành các tập huấn luyện và validation; xem Cấu trúc Dataset để biết chi tiết.

  • Huấn luyện model YOLO26n trên xView trong 100 epoch với kích thước ảnh 640:

    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="xView.yaml", epochs=100, imgsz=640)

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

  • Trích dẫn bài báo "xView: Objects in Context in Overhead Imagery" (Lam và cộng sự, arXiv:1802.07856, 2018); mục Trích dẫn và Lời cảm ơn ở trên có đầy đủ mục BibTeX.

Bình luận