Tổng quan về tập dữ liệu Oriented Bounding Box (OBB)#

8

DOTA8 Multispectral

ultralytics

publicOBB

DOTA8 Multispectral contains 8 genuine 10-channel TIFF aerial images with 133 reviewed oriented bounding boxes across the canonical 15-class DOTA taxonomy. All 17 source annotations extending outside image bounds were clipped without dropping any boxes.

15 classes36 MBAug 24, 2026

planeshipstorage tankbaseball diamond+11

aerialobbremote-sensing+3

Huấn luyện một object detection model chính xác với oriented bounding boxes (OBB) đòi hỏi một tập dữ liệu đầy đủ. Hướng dẫn này giải thích các định dạng tập dữ liệu OBB khác nhau tương thích với các model Ultralytics YOLO, cung cấp thông tin chi tiết về cấu trúc, ứng dụng và phương pháp chuyển đổi định dạng của chúng.

Các định dạng tập dữ liệu OBB được hỗ trợ#

Định dạng YOLO OBB#

Định dạng YOLO OBB xác định bounding box bằng bốn điểm góc với tọa độ được chuẩn hóa từ 0 đến 1. Nó tuân theo định dạng sau:

class_index x1 y1 x2 y2 x3 y3 x4 y4

Về mặt nội bộ, YOLO xử lý các hàm mất mát (losses) và đầu ra ở định dạng xywhr, đại diện cho điểm trung tâm của hộp bao (xy), chiều rộng, chiều cao và góc xoay.

Một ví dụ về tệp nhãn *.txt cho hình ảnh trên, chứa một đối tượng thuộc class 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 cho tập dữ liệu#

Framework Ultralytics sử dụng định dạng tệp YAML để xác định cấu hình tập dữ liệu và model cho việc huấn luyện các model OBB. Dưới đây là ví dụ về định dạng YAML được sử dụng để xác định một tập dữ liệu 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 file train, val và test đều chấp nhận một thư mục, một danh sách các thư mục hoặc một file *.txt liệt kê mỗi đường dẫn ảnh trên một dòng (các đường dẫn bắt đầu bằng ./ được phân giải tương đối theo file *.txt). File *.txt hữu ích khi bạn muốn huấn luyện trên một tập con của thư mục, bỏ qua các ảnh chưa được gán nhãn, hoặc kết hợp ảnh từ nhiều nguồn khác nhau thành một tập dữ liệu phân tách duy nhất.

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 một model sử dụng các định dạng OBB này:

from ultralytics import YOLO

# Create a new YOLO26n-OBB model from scratch
model = YOLO("yolo26n-obb.yaml")

# Train the model on the DOTAv1 dataset
results = model.train(data="DOTAv1.yaml", epochs=100, imgsz=1024)

Các tập dữ liệu được hỗ trợ#

Hiện tại, các tập dữ liệu sau với Oriented Bounding Box được hỗ trợ:

• DOTA-v1: Phiên bản đầu tiên của tập dữ liệu DOTA, cung cấp một tập hợp toàn diện các hình ảnh trên không với oriented bounding boxes cho tác vụ object detection.
• DOTA-v1.5: Phiên bản trung gian của tập dữ liệu DOTA, cung cấp các chú thích bổ sung và cải tiến so với DOTA-v1 để nâng cao các tác vụ object detection.
• DOTA-v2: DOTA (A Large-scale Dataset for Object Detection in Aerial Images) phiên bản 2, nhấn mạnh vào việc phát hiện từ góc nhìn trên không và chứa oriented bounding boxes với 1,7 triệu instance và 11.268 hình ảnh.
• DOTA8: Một tập con nhỏ gồm 8 hình ảnh của tập dữ liệu DOTA đầy đủ, phù hợp để kiểm thử quy trình làm việc và các kiểm tra Continuous Integration (CI) đối với việc huấn luyện OBB trong kho lưu trữ ultralytics.
• DOTA8 Multispectral: Một tập con TIFF 8 ảnh, 10 kênh dùng để kiểm thử việc huấn luyện OBB đa phổ trên Ultralytics Platform.
• DOTA128: Một tập con gồm 128 hình ảnh của tập dữ liệu DOTA với tất cả hình ảnh nằm trong thư mục train (được sử dụng cho cả train và val), mang lại sự cân bằng tốt giữa kích thước và tính đa dạng để kiểm thử các model OBB.

Kết hợp tập dữ liệu OBB của riêng bạn#

Đối với những người muốn đưa tập dữ liệu của riêng họ với các Oriented Bounding Box vào, hãy đảm bảo tính tương thích với "định dạng YOLO OBB" đã đề cập ở trên. Chuyển đổi các chú thích của bạn sang định dạng bắt buộc này và liệt kê chi tiết đường dẫn, lớp và tên lớp trong tệp cấu hình YAML tương ứng.

Chuyển đổi định dạng nhãn#

Định dạng tập dữ liệu DOTA sang định dạng YOLO OBB#

Việc chuyển đổi nhãn từ định dạng tập dữ liệu DOTA sang định dạng YOLO OBB có thể đạt được bằng tập lệnh này:

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb("path/to/DOTA")

Cơ chế chuyển đổi này đóng vai trò quan trọng đối với các tập dữ liệu ở định dạng DOTA, đảm bảo sự tương thích với định dạng OBB của Ultralytics YOLO.

Việc xác thực tính tương thích của tập dữ liệu với model của bạn và tuân thủ các quy ước định dạng cần thiết là điều bắt buộc. Các tập dữ liệu có cấu trúc phù hợp là yếu tố then chốt để huấn luyện các model object detection hiệu quả với các Oriented Bounding Box.

Câu hỏi thường gặp#