Tổng quan về dataset hộp giới hạn xoay (OBB)#

8

DOTA8 Multispectral

ultralytics

publicOBB

DOTA8 Multispectral is an eight-image oriented-detection utility with genuine 10-channel TIFF aerial inputs. Four training and four validation images pair DOTA's 15-class taxonomy with rotated quadrilaterals for focused multispectral pipeline validation.

15 classes36 MBSep 2, 2026

planeshipstorage tankbaseball diamond+11

aerialobbremote-sensing+3

Huấn luyện model phát hiện đối tượng chính xác bằng hộp giới hạn xoay (OBB) đòi hỏi dataset toàn diện. Hướng dẫn này giải thích các định dạng dataset OBB khác nhau tương thích với model Ultralytics YOLO, đồng thời cung cấp thông tin về cấu trúc, ứng dụng và phương pháp chuyển đổi định dạng.

Các định dạng dataset OBB được hỗ trợ#

Định dạng YOLO OBB#

Định dạng YOLO OBB biểu diễn hộp giới hạn bằng bốn điểm góc, với tọa độ được chuẩn hóa trong khoảng từ 0 đến 1. Định dạng này tuân theo cấu trúc sau:

class_index x1 y1 x2 y2 x3 y3 x4 y4

Trong nội bộ, YOLO xử lý loss và đầu ra ở định dạng xywhr, biểu diễn tâm của hộp giới hạn (xy), chiều rộng, chiều cao và góc xoay.

Ví dụ về file nhãn *.txt cho ảnh trên, trong đó có một đối tượng thuộc lớp 0 ở định dạng OBB, có thể trông như sau:

0 0.780811 0.743961 0.782371 0.74686 0.777691 0.752174 0.776131 0.749758

Định dạng YAML của dataset#

Framework Ultralytics sử dụng định dạng file YAML để xác định cấu hình dataset và model phục vụ huấn luyện model OBB. Sau đây là ví dụ về định dạng YAML dùng để khai báo dataset OBB:

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

# DOTA8 dataset (8 images from the DOTAv1 split) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/obb/dota8
# Example usage: yolo train model=yolov8n-obb.pt data=dota8.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── dota8 ← downloads here (1 MB)

# 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: dota8 # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images

# Classes for DOTA 1.0
names:
  0: plane
  1: ship
  2: storage tank
  3: baseball diamond
  4: tennis court
  5: basketball court
  6: ground track field
  7: harbor
  8: bridge
  9: large vehicle
  10: small vehicle
  11: helicopter
  12: roundabout
  13: soccer ball field
  14: swimming pool

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/dota8.zip

Mỗi trường trong số train, val và test chấp nhận một thư mục, danh sách thư mục hoặc tệp *.txt liệt kê mỗi đường dẫn ảnh trên một dòng (các đường dẫn bắt đầu bằng ./ được phân giải tương đối với tệp *.txt). Tệp *.txt hữu ích khi huấn luyện trên một tập con của thư mục, bỏ qua ảnh chưa gán nhãn hoặc kết hợp ảnh từ nhiều nguồn vào cùng một split.

path: datasets/dota8 # dataset root
train: train.txt # a directory, a list e.g. [images/a, images/b], or a *.txt file
val: val.txt
names:
  0: plane

Cách sử dụng#

Để huấn luyện model bằng các định dạng OBB này:

from ultralytics import YOLO

# Tải model YOLO26n-OBB đã huấn luyện trước
model = YOLO("yolo26n-obb.pt")

# Huấn luyện model trên dataset DOTAv1
results = model.train(data="DOTAv1.yaml", epochs=100, imgsz=1024)

Dataset được hỗ trợ#

Hiện tại, các dataset có hộp giới hạn xoay sau đây được hỗ trợ. Hầu hết các dataset này cũng được lưu trữ trên Ultralytics Platform, nơi bạn có thể duyệt xem ảnh và chú thích, xem thống kê dataset và sao chép dataset để huấn luyện trên cloud.

• DOTA-v1: Phiên bản đầu tiên của dataset DOTA, cung cấp một tập hợp toàn diện các ảnh chụp từ trên không có hộp giới hạn xoay để phát hiện đối tượng.
• DOTA-v1.5: Phiên bản trung gian của dataset DOTA, cung cấp thêm chú thích và cải tiến so với DOTA-v1 nhằm nâng cao các tác vụ phát hiện đối tượng.
• DOTA-v2: Phiên bản 2 của DOTA (Dataset quy mô lớn để phát hiện đối tượng trong ảnh chụp từ trên không), tập trung vào phát hiện từ góc nhìn trên không và chứa các hộp giới hạn xoay với 1,7 triệu đối tượng trong 11.268 ảnh.
• DOTA8: Tập con nhỏ gồm 8 ảnh của dataset DOTA đầy đủ, phù hợp để kiểm thử quy trình và kiểm tra Continuous Integration (CI) cho huấn luyện OBB trong repository ultralytics.
• DOTA8 Multispectral: Tập con gồm 8 ảnh TIFF, 10 kênh, để kiểm thử huấn luyện OBB đa phổ trên Ultralytics Platform.
• DOTA128: Tập con gồm 128 ảnh của dataset DOTA, trong đó tất cả ảnh nằm trong thư mục train (dùng cho cả train và val), tạo nên sự cân bằng phù hợp giữa kích thước và độ đa dạng để kiểm thử model OBB.

Tích hợp dataset OBB của riêng bạn#

Nếu muốn đưa vào các dataset hộp giới hạn xoay của riêng mình, hãy đảm bảo chúng tương thích với "định dạng YOLO OBB" nêu trên. Chuyển đổi chú thích sang định dạng bắt buộc này, rồi khai báo đường dẫn, lớp và tên lớp trong file cấu hình YAML tương ứng.

Chuyển đổi định dạng nhãn#

Chuyển đổi định dạng dataset DOTA sang định dạng YOLO OBB#

Có thể chuyển đổi nhãn từ định dạng dataset DOTA sang định dạng YOLO OBB bằng script sau:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

Cơ chế chuyển đổi này rất hữu ích cho các dataset ở định dạng DOTA, đảm bảo chúng tương thích với định dạng OBB của Ultralytics YOLO.

Điều quan trọng là phải xác thực tính tương thích của dataset với model và tuân thủ các quy ước định dạng cần thiết. Dataset có cấu trúc phù hợp là yếu tố then chốt để huấn luyện model phát hiện đối tượng hiệu quả bằng hộp giới hạn xoay.

Câu hỏi thường gặp#