简介这份资源面向从事目标检测与深度学习的学习者和开发者提供了一套可直接投入训练的无人机识别数据集适用于YOLO系列、Faster R-CNN、SSD等主流检测模型的训练与验证。数据集同时提供YOLO与VOC两种标注格式包含9229张图片及对应的txt、xml标签并附有指定类别信息的yaml配置文件图片与标签已按训练集、验证集、测试集完成划分可直接用于YOLOv5至YOLOv10等系列算法的训练流程。压缩包共约2000个文件以1999个txt标签文件和1个yaml配置文件为主整体大小约814.16MB目录组织清晰便于按类别与划分快速检索。目前已有340人学习下载适合需要快速搭建无人机检测实验、验证模型效果或开展课程设计的中高级读者参考使用。1. 无人机识别数据集与目标检测为什么“天上小目标”总让模型翻车做无人机识别数据集和目标检测最反直觉的一点是模型在 COCO 上 mAP 能跑到 50 以上换到无人机航拍图却经常连 20 都保不住。原因不玄学——航拍视角下目标只有几十个像素背景却是大面积的天空、楼顶、树冠正负样本极度失衡。你拿通用数据集训出来的权重在“移动小目标检测”这个场景里基本等于从零开始。这个方向要解决的问题很具体给定一批航拍或地面仰拍的图像把无人机从背景里框出来输出类别和坐标。适合谁做低空安防、机场净空监测、反无人机系统、遥感目标检测的工程师以及想拿一个真实小目标数据集练手 YOLO 系列的学生。它和普通目标检测最大的差别在于目标尺度小、长宽比怪、标注成本高数据集质量直接决定上限。下面按“数据集怎么选和造 → 模型怎么配 → 坑在哪 → 怎么验证”推一遍能照着复现。2. 无人机识别数据集从公开数据到自建标注的取舍2.1 公开数据集够不够用先看这四个维度选数据集别只看“有多少张图”。无人机识别这个任务真正决定能不能用的是四个维度目标像素尺度、背景多样性、标注框质量、类别定义是否包含“鸟类”这类强干扰项。很多航拍数据集里无人机和鸟的轮廓在 30 像素以下几乎无法区分如果你的场景需要区分就必须确认标注里有没有单独的 bird 类。常见做法是先用公开数据跑通流程再补自采数据。公开数据集的典型问题是拍摄设备单一、天气集中、无人机型号少。我一般会先统计目标框的宽高分布如果 80% 的框小于 32×32 像素那这个数据集就属于典型小目标场景后面 anchor 和输入分辨率都要针对性调。维度合格线不合格的表现目标像素中位数 20px大量目标 10px人眼都难标背景多样性天空/地面/城市/郊野都有全是纯天空背景标注质量框贴合、无漏标框偏大、密集处漏标类别定义明确是否含鸟类无人机和鸟混为一类2.2 自建标注用 LabelImg 还是 CVAT怎么定标注规范自建数据集绕不开标注工具。小规模几千张以内用 LabelImg 出 YOLO 格式最省事需要多人协作、要审核、要处理视频抽帧的用 CVAT 更稳。关键是先定规范再动手否则返工成本极高。标注规范里必须写死的几条框要贴紧目标可见轮廓被遮挡超过 70% 的目标标为 difficult 或不标无人机和鸟必须分开。下面是把 LabelImg 的 XML 转成 YOLO txt 的脚本这是自建流程里最容易写错的一步。import os import xml.etree.ElementTree as ET # 类别映射顺序必须和训练时的 data.yaml 完全一致 CLASSES [drone, bird] def convert(xml_dir, out_dir, img_w, img_h): for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 有些工具不写 size需要从图片实际尺寸读这里假设已写入 size root.find(size) w int(size.find(width).text) if size is not None else img_w h int(size.find(height).text) if size is not None else img_h lines [] for obj in root.iter(object): name obj.find(name).text if name not in CLASSES: continue cls_id CLASSES.index(name) bbox obj.find(bndbox) x1 float(bbox.find(xmin).text) y1 float(bbox.find(ymin).text) x2 float(bbox.find(xmax).text) y2 float(bbox.find(ymax).text) # YOLO 格式中心点 宽高全部归一化到 0~1 cx (x1 x2) / 2.0 / w cy (y1 y2) / 2.0 / h bw (x2 - x1) / w bh (y2 - y1) / h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) out_path os.path.join(out_dir, xml_file.replace(.xml, .txt)) with open(out_path, w) as f: f.write(\n.join(lines)) convert(./annotations, ./labels, 1920, 1080)逻辑说明遍历 XML按 CLASSES 顺序取类别索引把绝对坐标转成归一化的中心点加宽高。参数上CLASSES的顺序是硬约束训练配置里的names必须一字不差否则类别全错位。img_w/img_h是兜底值只在 XML 缺 size 时生效正常情况应该从图片读真实尺寸避免宽高比不一致导致框偏移。提示转换完一定抽查几张用可视化脚本把框画回图上确认没有整体偏移或镜像。归一化坐标写反宽高当中心点是新手最常见的翻车点。3. 用 YOLO 跑通无人机检测环境、配置与训练参数3.1 环境配置ultralytics 装完先验证这三件事现在做目标检测YOLOv11ultralytics是上手最快的选择pip 一条命令就能装。但“装完能 import”不等于环境可用我一般会验证三件事CUDA 是否真的被 torch 用上、显存够不够跑目标 batch、数据加载有没有报路径错。pip install ultralytics python -c import torch; print(torch.__version__, torch.cuda.is_available())第一条命令装 ultralytics它会连带装 torch。第二条验证 CUDA 可用性输出里cuda.is_available()必须是 True否则训练会默默跑在 CPU 上速度差几十倍。如果显示 False先确认显卡驱动和 torch 版本匹配别急着改代码。数据目录按 ultralytics 的约定组织images/train、images/val、labels/train、labels/val四个文件夹图片和同名 txt 一一对应。然后写 data.yamlpath: /data/drone_dataset train: images/train val: images/val names: 0: drone 1: birdpath是数据集根目录train/val是相对路径。names的索引必须和标注里的类别 id 对齐这是最容易出错的地方——标注里 drone 是 0这里写成 1训练照样跑但结果全错。3.2 训练参数小目标场景下 imgsz 和 anchor 怎么调无人机小目标检测输入分辨率是收益最大的参数。默认imgsz640对 20 像素的目标下采样到特征图后只剩几个像素几乎学不到。我一般直接上imgsz1280显存不够就降 batch别降分辨率。yolo detect train \ datadata.yaml \ modelyolo11s.pt \ imgsz1280 \ epochs150 \ batch8 \ lr00.01 \ mosaic1.0 \ close_mosaic20 \ projectruns/drone参数逐个说modelyolo11s.pt用 s 级别n 级别在 1280 分辨率下容量可能不够imgsz1280是小目标的关键batch8是 1280 下的显存妥协显存够可以加到 16lr00.01是 SGD 的常规起点mosaic1.0开启马赛克增强对小目标泛化帮助明显close_mosaic20表示最后 20 个 epoch 关掉 mosaic让模型在真实分布上收敛这一步不做验证指标会虚高。注意mosaic 增强会把四张图拼一张小目标拼完可能更小甚至被裁掉。如果目标普遍小于 16 像素把 mosaic 调到 0.5 甚至关掉配合scale增强更稳。3.3 训练过程看什么loss 曲线和 mAP 的读法训练不是跑完看最后一个数就完事。要盯的是 box_loss、cls_loss 和 mAP50-95 三条线的走势。正常情况 box_loss 平稳下降cls_loss 前期下降快后期平。如果 cls_loss 震荡剧烈多半是学习率偏高或 batch 太小如果 mAP 早早到顶然后掉是过拟合加数据或加增强。小目标场景有个典型现象mAP50 能到 0.8但 mAP50-95 只有 0.3。这不是 bug是因为小目标定位精度天然差IoU 阈值一提高就掉。评估时别只报 mAP50要同时看 mAP50-95 和小目标的单独指标。4. 无人机检测避坑五条血泪踩坑记录4.1 坑一验证集 mAP 很高上线全错现象验证集 mAP50 到 0.85换一批实拍图几乎全漏。原因训练集和验证集来自同一批视频抽帧相邻帧高度相似等于变相数据泄漏。解决按视频或按拍摄批次划分 train/val同一段视频的帧只能进一个集合。划分完再统计两边的目标尺度分布差异大就重新分。4.2 坑二无人机和鸟互相误检现象鸟被框成无人机无人机被框成鸟置信度还不低。原因小尺度下两者轮廓特征高度重叠模型学到的判别特征不足。解决一是补足两类各自的样本量别一边几千一边几百二是提高输入分辨率让纹理特征显现三是如果业务只关心无人机把鸟单独设一类当负样本比强行合并成一类效果好。4.3 坑三显存溢出OOM来得莫名其妙现象batch8 能跑改成 batch16 直接 OOM但显存看着还有余量。原因ultralytics 会做自动 batch 探测和缓存加上 1280 分辨率下特征图占用大峰值显存出现在前向而非参数。解决显式设batch关掉自动批处理用ampTrue混合精度实在不够就降 imgsz 到 1024但优先保分辨率、降 batch。4.4 坑四标注框归一化后整体偏移现象训练 loss 不降可视化预测框全部偏到左上角。原因XML 转 YOLO 时把宽高和中心点写反或者用了错误的图片尺寸做归一化。解决转换后立刻可视化抽查确认框贴合归一化统一用图片真实宽高不要用固定值。4.5 坑五推理速度不达标现象精度够了但单帧推理超过 100ms达不到实时。原因imgsz1280 本身计算量大加上用了大模型。解决导出时用 TensorRT 或 ONNX Runtimeyolo export modelbest.pt formatengine halfTrue模型换 n 或 s 级别如果业务允许把 imgsz 降到 960 再测精度损失很多时候掉点很少但速度翻倍。5. 验证与进阶把无人机检测做到能交付的几个技巧训练完拿到 best.pt别急着交付。先做一轮系统验证在独立测试集上跑yolo detect val同时按目标像素大小分桶统计——小于 16px、16~32px、大于 32px 三档各自的召回率。小目标那档如果召回低于 0.5说明分辨率或数据还不够别硬上。yolo detect val modelruns/drone/weights/best.pt datadata.yaml imgsz1280 conf0.25 iou0.5conf0.25是验证时的置信度阈值iou0.5是 NMS 的 IoU 阈值。这两个值直接影响指标交付前要和业务方对齐——安防场景宁可误报不可漏报conf 调低统计场景要准conf 调高。进阶方向有两个值得投入。一是多尺度训练在 data.yaml 里开multi_scale让模型适应不同飞行高度二是把检测结果接一个轻量跟踪如 ByteTrack无人机是移动目标单帧检测抖动大跟踪能显著稳住输出。我一般会在交付前用一段真实视频跑端到端看跟踪后的轨迹是否连续这比单帧指标更能反映实际效果。最后说个习惯每次改参数都记一条实验日志写清改了什么、指标怎么变。无人机小目标检测的参数敏感度很高凭记忆调参迟早翻车。希望帮到你。本文还有配套的精品资源点击获取 无人机识别数据集与YOLO小目标检测实战避坑指南
简介这份资源面向从事目标检测与深度学习的学习者和开发者提供了一套可直接投入训练的无人机识别数据集适用于YOLO系列、Faster R-CNN、SSD等主流检测模型的训练与验证。数据集同时提供YOLO与VOC两种标注格式包含9229张图片及对应的txt、xml标签并附有指定类别信息的yaml配置文件图片与标签已按训练集、验证集、测试集完成划分可直接用于YOLOv5至YOLOv10等系列算法的训练流程。压缩包共约2000个文件以1999个txt标签文件和1个yaml配置文件为主整体大小约814.16MB目录组织清晰便于按类别与划分快速检索。目前已有340人学习下载适合需要快速搭建无人机检测实验、验证模型效果或开展课程设计的中高级读者参考使用。1. 无人机识别数据集与目标检测为什么“天上小目标”总让模型翻车做无人机识别数据集和目标检测最反直觉的一点是模型在 COCO 上 mAP 能跑到 50 以上换到无人机航拍图却经常连 20 都保不住。原因不玄学——航拍视角下目标只有几十个像素背景却是大面积的天空、楼顶、树冠正负样本极度失衡。你拿通用数据集训出来的权重在“移动小目标检测”这个场景里基本等于从零开始。这个方向要解决的问题很具体给定一批航拍或地面仰拍的图像把无人机从背景里框出来输出类别和坐标。适合谁做低空安防、机场净空监测、反无人机系统、遥感目标检测的工程师以及想拿一个真实小目标数据集练手 YOLO 系列的学生。它和普通目标检测最大的差别在于目标尺度小、长宽比怪、标注成本高数据集质量直接决定上限。下面按“数据集怎么选和造 → 模型怎么配 → 坑在哪 → 怎么验证”推一遍能照着复现。2. 无人机识别数据集从公开数据到自建标注的取舍2.1 公开数据集够不够用先看这四个维度选数据集别只看“有多少张图”。无人机识别这个任务真正决定能不能用的是四个维度目标像素尺度、背景多样性、标注框质量、类别定义是否包含“鸟类”这类强干扰项。很多航拍数据集里无人机和鸟的轮廓在 30 像素以下几乎无法区分如果你的场景需要区分就必须确认标注里有没有单独的 bird 类。常见做法是先用公开数据跑通流程再补自采数据。公开数据集的典型问题是拍摄设备单一、天气集中、无人机型号少。我一般会先统计目标框的宽高分布如果 80% 的框小于 32×32 像素那这个数据集就属于典型小目标场景后面 anchor 和输入分辨率都要针对性调。维度合格线不合格的表现目标像素中位数 20px大量目标 10px人眼都难标背景多样性天空/地面/城市/郊野都有全是纯天空背景标注质量框贴合、无漏标框偏大、密集处漏标类别定义明确是否含鸟类无人机和鸟混为一类2.2 自建标注用 LabelImg 还是 CVAT怎么定标注规范自建数据集绕不开标注工具。小规模几千张以内用 LabelImg 出 YOLO 格式最省事需要多人协作、要审核、要处理视频抽帧的用 CVAT 更稳。关键是先定规范再动手否则返工成本极高。标注规范里必须写死的几条框要贴紧目标可见轮廓被遮挡超过 70% 的目标标为 difficult 或不标无人机和鸟必须分开。下面是把 LabelImg 的 XML 转成 YOLO txt 的脚本这是自建流程里最容易写错的一步。import os import xml.etree.ElementTree as ET # 类别映射顺序必须和训练时的 data.yaml 完全一致 CLASSES [drone, bird] def convert(xml_dir, out_dir, img_w, img_h): for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 有些工具不写 size需要从图片实际尺寸读这里假设已写入 size root.find(size) w int(size.find(width).text) if size is not None else img_w h int(size.find(height).text) if size is not None else img_h lines [] for obj in root.iter(object): name obj.find(name).text if name not in CLASSES: continue cls_id CLASSES.index(name) bbox obj.find(bndbox) x1 float(bbox.find(xmin).text) y1 float(bbox.find(ymin).text) x2 float(bbox.find(xmax).text) y2 float(bbox.find(ymax).text) # YOLO 格式中心点 宽高全部归一化到 0~1 cx (x1 x2) / 2.0 / w cy (y1 y2) / 2.0 / h bw (x2 - x1) / w bh (y2 - y1) / h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) out_path os.path.join(out_dir, xml_file.replace(.xml, .txt)) with open(out_path, w) as f: f.write(\n.join(lines)) convert(./annotations, ./labels, 1920, 1080)逻辑说明遍历 XML按 CLASSES 顺序取类别索引把绝对坐标转成归一化的中心点加宽高。参数上CLASSES的顺序是硬约束训练配置里的names必须一字不差否则类别全错位。img_w/img_h是兜底值只在 XML 缺 size 时生效正常情况应该从图片读真实尺寸避免宽高比不一致导致框偏移。提示转换完一定抽查几张用可视化脚本把框画回图上确认没有整体偏移或镜像。归一化坐标写反宽高当中心点是新手最常见的翻车点。3. 用 YOLO 跑通无人机检测环境、配置与训练参数3.1 环境配置ultralytics 装完先验证这三件事现在做目标检测YOLOv11ultralytics是上手最快的选择pip 一条命令就能装。但“装完能 import”不等于环境可用我一般会验证三件事CUDA 是否真的被 torch 用上、显存够不够跑目标 batch、数据加载有没有报路径错。pip install ultralytics python -c import torch; print(torch.__version__, torch.cuda.is_available())第一条命令装 ultralytics它会连带装 torch。第二条验证 CUDA 可用性输出里cuda.is_available()必须是 True否则训练会默默跑在 CPU 上速度差几十倍。如果显示 False先确认显卡驱动和 torch 版本匹配别急着改代码。数据目录按 ultralytics 的约定组织images/train、images/val、labels/train、labels/val四个文件夹图片和同名 txt 一一对应。然后写 data.yamlpath: /data/drone_dataset train: images/train val: images/val names: 0: drone 1: birdpath是数据集根目录train/val是相对路径。names的索引必须和标注里的类别 id 对齐这是最容易出错的地方——标注里 drone 是 0这里写成 1训练照样跑但结果全错。3.2 训练参数小目标场景下 imgsz 和 anchor 怎么调无人机小目标检测输入分辨率是收益最大的参数。默认imgsz640对 20 像素的目标下采样到特征图后只剩几个像素几乎学不到。我一般直接上imgsz1280显存不够就降 batch别降分辨率。yolo detect train \ datadata.yaml \ modelyolo11s.pt \ imgsz1280 \ epochs150 \ batch8 \ lr00.01 \ mosaic1.0 \ close_mosaic20 \ projectruns/drone参数逐个说modelyolo11s.pt用 s 级别n 级别在 1280 分辨率下容量可能不够imgsz1280是小目标的关键batch8是 1280 下的显存妥协显存够可以加到 16lr00.01是 SGD 的常规起点mosaic1.0开启马赛克增强对小目标泛化帮助明显close_mosaic20表示最后 20 个 epoch 关掉 mosaic让模型在真实分布上收敛这一步不做验证指标会虚高。注意mosaic 增强会把四张图拼一张小目标拼完可能更小甚至被裁掉。如果目标普遍小于 16 像素把 mosaic 调到 0.5 甚至关掉配合scale增强更稳。3.3 训练过程看什么loss 曲线和 mAP 的读法训练不是跑完看最后一个数就完事。要盯的是 box_loss、cls_loss 和 mAP50-95 三条线的走势。正常情况 box_loss 平稳下降cls_loss 前期下降快后期平。如果 cls_loss 震荡剧烈多半是学习率偏高或 batch 太小如果 mAP 早早到顶然后掉是过拟合加数据或加增强。小目标场景有个典型现象mAP50 能到 0.8但 mAP50-95 只有 0.3。这不是 bug是因为小目标定位精度天然差IoU 阈值一提高就掉。评估时别只报 mAP50要同时看 mAP50-95 和小目标的单独指标。4. 无人机检测避坑五条血泪踩坑记录4.1 坑一验证集 mAP 很高上线全错现象验证集 mAP50 到 0.85换一批实拍图几乎全漏。原因训练集和验证集来自同一批视频抽帧相邻帧高度相似等于变相数据泄漏。解决按视频或按拍摄批次划分 train/val同一段视频的帧只能进一个集合。划分完再统计两边的目标尺度分布差异大就重新分。4.2 坑二无人机和鸟互相误检现象鸟被框成无人机无人机被框成鸟置信度还不低。原因小尺度下两者轮廓特征高度重叠模型学到的判别特征不足。解决一是补足两类各自的样本量别一边几千一边几百二是提高输入分辨率让纹理特征显现三是如果业务只关心无人机把鸟单独设一类当负样本比强行合并成一类效果好。4.3 坑三显存溢出OOM来得莫名其妙现象batch8 能跑改成 batch16 直接 OOM但显存看着还有余量。原因ultralytics 会做自动 batch 探测和缓存加上 1280 分辨率下特征图占用大峰值显存出现在前向而非参数。解决显式设batch关掉自动批处理用ampTrue混合精度实在不够就降 imgsz 到 1024但优先保分辨率、降 batch。4.4 坑四标注框归一化后整体偏移现象训练 loss 不降可视化预测框全部偏到左上角。原因XML 转 YOLO 时把宽高和中心点写反或者用了错误的图片尺寸做归一化。解决转换后立刻可视化抽查确认框贴合归一化统一用图片真实宽高不要用固定值。4.5 坑五推理速度不达标现象精度够了但单帧推理超过 100ms达不到实时。原因imgsz1280 本身计算量大加上用了大模型。解决导出时用 TensorRT 或 ONNX Runtimeyolo export modelbest.pt formatengine halfTrue模型换 n 或 s 级别如果业务允许把 imgsz 降到 960 再测精度损失很多时候掉点很少但速度翻倍。5. 验证与进阶把无人机检测做到能交付的几个技巧训练完拿到 best.pt别急着交付。先做一轮系统验证在独立测试集上跑yolo detect val同时按目标像素大小分桶统计——小于 16px、16~32px、大于 32px 三档各自的召回率。小目标那档如果召回低于 0.5说明分辨率或数据还不够别硬上。yolo detect val modelruns/drone/weights/best.pt datadata.yaml imgsz1280 conf0.25 iou0.5conf0.25是验证时的置信度阈值iou0.5是 NMS 的 IoU 阈值。这两个值直接影响指标交付前要和业务方对齐——安防场景宁可误报不可漏报conf 调低统计场景要准conf 调高。进阶方向有两个值得投入。一是多尺度训练在 data.yaml 里开multi_scale让模型适应不同飞行高度二是把检测结果接一个轻量跟踪如 ByteTrack无人机是移动目标单帧检测抖动大跟踪能显著稳住输出。我一般会在交付前用一段真实视频跑端到端看跟踪后的轨迹是否连续这比单帧指标更能反映实际效果。最后说个习惯每次改参数都记一条实验日志写清改了什么、指标怎么变。无人机小目标检测的参数敏感度很高凭记忆调参迟早翻车。希望帮到你。本文还有配套的精品资源点击获取