科研笔记

Appearance

DOTA 数据集专题调研 ​

Dataset of Object deTection in Aerial images

概述 ​

项目内容
全称DOTA (Dataset of Object deTection in Aerial images)
发布机构武汉大学 (Wuhan University)
首次发布2018 (CVPR 2018)
用途航拍图像目标检测、旋转目标检测 (OBB)
许可证学术研究免费使用，商业用途禁止
官网https://captain-whu.github.io/DOTA/

数据来源 ​

版本数据源
v1.0 / v1.5Google Earth (RGB) + GF-2 卫星 (灰度) + JL-1 卫星 (灰度)
v2.0Google Earth + GF-2/JL-1 + CycloMedia 航拍 (新增)

⚠️ 注意: v1/v1.5 不含 CycloMedia，v2.0 才加入航拍图像

所有图像保存为 PNG 格式。

版本演进 ​

DOTA-v1.0 (2018) ​

  • 类别数量: 15 类
  • 类别列表:
    1. plane (飞机)
    2. ship (船只)
    3. storage tank (储油罐)
    4. baseball diamond (棒球场)
    5. tennis court (网球场)
    6. basketball court (篮球场)
    7. ground track field (田径场)
    8. harbor (港口)
    9. bridge (桥梁)
    10. large vehicle (大型车辆)
    11. small vehicle (小型车辆)
    12. helicopter (直升机)
    13. roundabout (环岛)
    14. soccer ball field (足球场)
    15. swimming pool (游泳池)

DOTA-v1.5 (2019) ​

  • 类别数量: 16 类
  • 新增类别: container crane (集装箱吊车)
  • 变化: 在 v1.0 基础上增加了 1 个类别

DOTA-v2.0 (2021) ​

  • 类别数量: 18 类
  • 新增类别:
    • airport (机场)
    • helipad (直升机停机坪)
  • 变化:
    • 在 v1.5 基础上增加 2 个类别
    • 图像已被重新标注 (与 v1 不同)
    • 图像来源变化: 加入 CycloMedia 航拍图像
  • 注意: 使用 v2.0 评估时需要使用 v2.0 的标注，而非 v1.0
  • 数据规模:
    Split图像数标注数
    Train1,830268,627
    Val59381,048
    Test-dev2,792353,346
    Test-challenge6,0531,090,637
    总计11,2681,793,658

⚠️ 虽然 v2.0 有官方划分，但 Ultralytics 官方只提供 v1/v1.5 的 YAML 配置，v2 需用户自行处理切图和划分

数据规模 ​

官方 Split ​

版本TrainValTest总计图像
DOTA-v1.0~1,400~600~500~2,800
DOTA-v1.5~1,400~600~500~2,800
DOTA-v2.0~2,800~600~1,4005,215

标注数量 (DOTA-v2.0) ​

  • 总标注框: 349,589 个 (v2.0: 1,793,658)
  • 类别分布: 不均衡，常见类别（vehicle, plane, ship）数量多

官方数据划分 ​

DOTA-v1.0 / v1.5 ​

官方明确划分的比例：

Split比例约略图像数
Train1/2~1,411
Val1/6~458
Test1/3~937

注：v1.5 与 v1.0 图像完全相同，划分也相同

DOTA-v2.0 ​

官方划分的具体数量：

Split图像数标注数
Train1,830268,627
Val59381,048
Test-dev2,792353,346
Test-challenge6,0531,090,637
总计11,2681,793,658

各版本使用情况调研 ​

DOTA-v1.0 (最主流) ​

  • 大多数 OBB 论文的默认基准
  • YOLO26 官方 OBB 评测采用 v1.0
  • 积累最多 baseline 结果

DOTA-v1.5 ​

发布背景: DOAI 2019 Challenge

使用场景:

  • 小目标检测研究 (< 10 像素)
  • 需要 container crane 类别的任务

相关论文/榜单:

DOTA-v2.0 ​

发布背景:

  • 2022 年发布的大版本扩展
  • 新增 CycloMedia 航拍图像
  • 新增 airport、helipad 类别

使用场景:

  • 需要更多训练数据的实验
  • 航拍领域泛化性研究
  • 近两年的遥感检测论文

相关论文:

为什么主流仍用 v1.0? ​

  1. 历史惯性: 2018 年首发，最早被广泛使用
  2. 工具链成熟: 切图脚本、预处理都已成熟
  3. Benchmark 传统: 大家都比习惯了，改动成本高
  4. v1.5 差异有限: 仅补充小目标 + 加一类，对多数任务影响不大

标注格式 ​

OBB (Oriented Bounding Box) ​

标注格式 ​

DOTA 使用旋转包围框而非水平包围框，标注从左上角开始顺时针排列：

x1, y1, x2, y2, x3, y3, x4, y4, category, difficult
  • (x1, y1): 左上角顶点
  • (x2, y2): 右上角
  • (x3, y3): 右下角
  • (x4, y4): 左下角
  • category: 类别名称
  • difficult: 1 表示困难样本，0 表示正常样本

模型输出格式 ​

Ultralytics YOLO (包括 YOLO26) 内部使用 xywhr 格式：

  • (x, y): 中心点坐标
  • (w, h): 宽和高
  • r (theta): 旋转角度

注：推理输出时可转换为四种角点坐标，标注文件中用角点格式便于统一。

IoU 计算方式 ​

OBB 的 IoU 本质上是两个旋转四边形的交并比：

  1. 将两个 OBB 视为 polygon（4个顶点）
  2. 计算 polygon 交集面积（可能是不规则凸多边形）
  3. 计算并集面积 = A + B - 交集
  4. IoU = 交集面积 / 并集面积

实际计算通常使用 Shapely 等几何库。

附加元数据 ​

每张图像还包含：

  • acquisition dates: 拍摄日期
  • imagesource: 数据来源 (GoogleEarth / GF-2 / JL-1)
  • gsd: 地面采样距离 (Ground Sample Distance)，指图像上每个像素对应地面上实际多大的物理距离（单位：米）。GSD 越小=图像分辨率越高。

Ultralytics 提供的变体 ​

DOTA128 ​

Ultralytics 从 DOTA-v1 中提取了 128 张图像的子集，方便快速实验：

项目内容
图像数量128 (train+val)
用途快速测试、Debug
下载yolo26-obb.yaml 或直接下载 dota128.zip
大小~34 MB
python
# 使用示例
from ultralytics import YOLO
model = YOLO('yolo26n-obb.pt')
results = model.train(data='dota128.yaml')

DOTA-v2 (Ultralytics 格式) ​

Ultralytics 官方支持 DOTA-v2 的训练：

python
# 训练 YOLO26 OBB
yolo26n-obb.pt data=dota-v2.yaml

与其他数据集的对比 ​

特性DOTACOCOVOC
图像来源航拍/卫星自然场景自然场景
标注类型OBB (旋转框)HBB (水平框)HBB
类别数15-188020
领域遥感通用通用
特点小目标多、方向多样类别丰富、场景多样经典基准

其他遥感 OBB 数据集 ​

DIOR-R (DIOR 旋转框版本) ​

项目内容
全称DIOR (original) / DIOR-R (oriented)
原始论文"Object Detection in Remote Sensing Images Based on Improved Bounding Box Regression and Multi-Level Features Fusion" (Remote Sensing, 2020)
DIOR20 类，23,463 张图像，192,472 标注（HBB）
DIOR-R20 类 OBB 旋转框标注
图像来源光学遥感图像（论文未明确说明具体来源平台）
特点OBB 数据集中类别数最多

20 个类别: airplane, airport, baseball field, basketball court, bridge, chimney, dam, expressway service area, expressway toll station, ground track field, harbor, locomotive, overpass, ship, stadium, storage tank, swimming pool, tennis court, train station, vehicle

注：DIOR-R 是 DIOR 的 OBB 扩展版本，没有独立论文，原始论文只做 HBB。DIOR 的图像来源在论文中未详细说明，不同于 DOTA 明确列出 Google Earth、GF-2、JL-1 等具体平台。

其他高空遥感 OBB 数据集 ​

数据集类别数图像数特点
HRSC20161 (船)1,061船舶专用，细粒度
FAIR1M5+ 细分子类-细粒度分类 (飞机/车辆子类)
SODA-A--高分辨率航拍
EAGLE1 (车)-多场景车辆

主流 Benchmark 指标 ​

YOLO26 OBB on DOTA-v1 (1024px) ​

官方数据来自 Ultralytics，使用 DOTA-v1.0 测试：

ModelmAP(50-95)mAP(50)Params(M)
YOLO26n-obb52.478.92.5
YOLO26s-obb54.880.99.8
YOLO26m-obb55.381.021.2
YOLO26l-obb56.281.625.6
YOLO26x-obb56.781.757.6

为什么 YOLO26 用 v1 不用 v2？

  • v1 是最早广泛使用的版本已成基准，工具链成熟
  • Ultralytics 只提供 v1.0 / v1.5 的官方 YAML 配置，v2 需手动处理
  • 航拍 OBB 领域习惯用 v1 做对比

应用场景 ​

领域示例
遥感监测土地利用变化、违章建筑检测
航空航天机场调度、航道管理
国防军事目标识别、情报分析
智慧城市交通监控、停车检测
农业农田面积统计、作物健康监测

优缺点 ​

优点 ​

  1. 大规模: 5000+ 图像，34w+ 标注
  2. 多方向: 物体方向多样性，测试旋转检测能力
  3. 多尺度: 从大场景 (4000x4000) 到小目标
  4. 多源数据: 融合卫星和航拍数据
  5. 权威基准: OBB 领域的事实标准

缺点 ​

  1. 类别不均衡: vehicle 类远多于 helicopter
  2. 标注困难: 困难样本标注可能不一致
  3. 图像尺寸大: 4000x4000 级别，训练时需切块
  4. 无免费商用: 仅限学术研究

获取方式 ​

官方下载 ​

版本百度网盘Google Drive
v1.0 / v1.5有有
v2.0提取码: ck24One Drive

Ultralytics 集成 ​

bash
# 直接通过 YOLO 训练
yolo detect train data=dota-v2.yaml

相关论文 ​

  1. DOTA: A Large-Scale Dataset for Object Detection in Aerial Images — CVPR 2018
  2. DOTA-v2.0: Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges — 2022
  3. DOAI 2019: https://captain-whu.github.io/DOAI2019/challenge.html
  4. Oriented RepPoints for Aerial Object Detection: https://arxiv.org/pdf/2105.11111.pdf
  5. Fewer is more: efficient object detection in large aerial images: http://scis.scichina.com/en/2024/112106.pdf

参考链接 ​

总结 ​

DOTA 是航拍图像目标检测领域的核心基准数据集，特点：

  • 旋转框 (OBB) 标注，适用于目标方向多样的场景
  • 覆盖 15→16→18 类的演进
  • 图像源多元 (卫星/航拍)，场景真实
  • 广泛用于 YOLO、RCNN 等模型的 OBB 任务评测

对于做 Oriented Object Detection (OOD) 的研究者，DOTA 是必测数据集。