مجموعة بيانات DOTA8
مقدمة
Ultralytics DOTA8 عبارة عن مجموعة بيانات صغيرة ولكنها متعددة الاستخدامات لاكتشاف الكائنات الموجهة تتكون من أول 8 صور من مجموعة DOTAv1 المقسمة، 4 للتدريب و 4 للتحقق. تعتبر مجموعة البيانات هذه مثالية لاختبار وتصحيح نماذج اكتشاف الكائنات، أو لتجربة طرق اكتشاف جديدة. مع وجود 8 صور، فهي صغيرة بما يكفي لتكون سهلة الإدارة، ولكنها متنوعة بما يكفي لاختبار خطوط أنابيب التدريب بحثًا عن الأخطاء والعمل كفحص للسلامة قبل تدريب مجموعات بيانات أكبر.
مجموعة البيانات هذه مخصصة للاستخدام مع Ultralytics HUB و YOLO11.
ملف YAML لمجموعة البيانات
يتم استخدام ملف YAML (وهي لغة ترميز أخرى) لتحديد تكوين مجموعة البيانات. يحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها ومعلومات أخرى ذات صلة. في حالة مجموعة بيانات DOTA8، فإن dota8.yaml يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/dota8.yaml.
ultralytics/cfg/datasets/dota8.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# DOTA8 dataset 8 images from split DOTAv1 dataset 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 (1MB)
# 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
الاستخدام
لتدريب نموذج YOLO11n-obb على مجموعة بيانات DOTA8 لعدد 100 حقبة (epoch) بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالحجج المتاحة، ارجع إلى صفحة تدريب النموذج.
مثال على التدريب
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-obb.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolo11n-obb.pt epochs=100 imgsz=640
عينات من الصور والشروحات التوضيحية
فيما يلي بعض الأمثلة لصور من مجموعة بيانات DOTA8، بالإضافة إلى الشروح التوضيحية المقابلة لها:
- صورة مجمعة: توضح هذه الصورة دفعة تدريبية تتكون من صور مجموعة بيانات مجمعة. التجميع هو أسلوب يستخدم أثناء التدريب يجمع بين صور متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد داخل كل دفعة تدريبية. يساعد هذا في تحسين قدرة النموذج على التعميم على أحجام الكائنات ونسب العرض إلى الارتفاع والسياقات المختلفة.
يُظهر هذا المثال تنوع وتعقيد الصور في مجموعة بيانات DOTA8، بالإضافة إلى فوائد استخدام تقنية الفسيفساء خلال عملية التدريب.
الاقتباسات والإقرارات
إذا كنت تستخدم مجموعة بيانات DOTA في بحثك أو عملك التطويري، فيرجى الاستشهاد بالورقة التالية:
@article{9560031,
author={Ding, Jian and Xue, Nan and Xia, Gui-Song and Bai, Xiang and Yang, Wen and Yang, Michael and Belongie, Serge and Luo, Jiebo and Datcu, Mihai and Pelillo, Marcello and Zhang, Liangpei},
journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
title={Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges},
year={2021},
volume={},
number={},
pages={1-1},
doi={10.1109/TPAMI.2021.3117983}
}
مع خالص الامتنان للفريق القائم على مجموعات بيانات DOTA لجهودهم الجديرة بالثناء في تنظيم هذه المجموعة. لفهم شامل للبيانات ودقائقها، يرجى زيارة موقع DOTA الرسمي.
الأسئلة الشائعة
ما هي مجموعة بيانات DOTA8 وكيف يمكن استخدامها؟
تعد مجموعة بيانات DOTA8 مجموعة بيانات صغيرة ومتعددة الاستخدامات للكشف عن الكائنات الموجهة تتكون من أول 8 صور من مجموعة DOTAv1 المقسمة، مع تخصيص 4 صور للتدريب و 4 للتحقق من الصحة. إنها مثالية لاختبار وتصحيح نماذج الكشف عن الكائنات مثل Ultralytics YOLO11. نظرًا لحجمها وتنوعها الذي يمكن التحكم فيه، فإنها تساعد في تحديد أخطاء خطوط الأنابيب وإجراء فحوصات السلامة قبل نشر مجموعات بيانات أكبر. تعرف على المزيد حول اكتشاف الكائنات باستخدام Ultralytics YOLO11.
كيف يمكنني تدريب نموذج YOLO11 باستخدام مجموعة بيانات DOTA8؟
لتدريب نموذج YOLO11n-obb على مجموعة بيانات DOTA8 لعدد 100 حقبة (epoch) بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على خيارات الحجج الشاملة، ارجع إلى صفحة تدريب النموذج.
مثال على التدريب
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n-obb.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolo11n-obb.pt epochs=100 imgsz=640
ما هي الميزات الرئيسية لمجموعة بيانات DOTA وأين يمكنني الوصول إلى ملف YAML؟
تشتهر مجموعة بيانات DOTA بمعيارها واسع النطاق والتحديات التي تمثلها لاكتشاف الكائنات في الصور الجوية. المجموعة الفرعية DOTA8 هي مجموعة بيانات أصغر وأكثر قابلية للإدارة ومثالية للاختبارات الأولية. يمكنك الوصول إلى dota8.yaml ملف، يحتوي على المسارات والفئات وتفاصيل التكوين، في هذا رابط GitHub.
كيف تعزز الفسيفساء تدريب النموذج باستخدام مجموعة بيانات DOTA8؟
يجمع الفسيفساء بين صور متعددة في صورة واحدة أثناء التدريب، مما يزيد من تنوع الكائنات والسياقات داخل كل دفعة. هذا يحسن قدرة النموذج على التعميم على أحجام الكائنات ونسب العرض إلى الارتفاع والمشاهد المختلفة. يمكن عرض هذه التقنية بصريًا من خلال دفعة تدريب تتكون من صور مجموعة بيانات DOTA8 المفسوحة، مما يساعد في تطوير نموذج قوي. استكشف المزيد حول تقنيات الفسيفساء والتدريب على صفحة التدريب الخاصة بنا.
لماذا يجب عليّ استخدام Ultralytics YOLO11 لمهام اكتشاف الأجسام؟
يوفر Ultralytics YOLO11 أحدث الإمكانات للكشف عن الكائنات في الوقت الفعلي، بما في ذلك ميزات مثل الصناديق المحيطة الموجهة (OBB)، و تقسيم المثيلات، ومسار تدريب متعدد الاستخدامات للغاية. إنه مناسب لمختلف التطبيقات ويوفر نماذج مُدرَّبة مسبقًا لضبط دقيق وفعال. استكشف المزيد حول المزايا والاستخدام في وثائق Ultralytics YOLO11.
