无人机人员入侵检测数据集 两类 人员和入侵者 3类 YOLO格式 7500张1111111数据集总结intrusion-khy00入侵检测目标检测数据集一、基础总览任务类型目标检测 Object Detection适用场景无人机航拍人员入侵安防检测开源协议CC BY 4.0核心类别仅person intrusion入侵人员单类别主流版本总图片量7616张最新v4版本小规模子集共59张图片二、v4版本数据划分59张集合图片数量占比Train训练集4169%Valid验证集1220%Test测试集610%三、预处理与导出格式预处理自动矫正图片方向统一拉伸缩放至640×640数据增强v4版本无额外图像增强支持导出格式YOLO TXT、COCO JSON、VOC XML等兼容YOLOv5/v8/v11/v12全系列标签格式标准YOLO txt归一化框标注四、配套资源平台内置YOLOv5/YOLOv8预训练模型可直接基于该数据集微调适用于园区、厂区无人机安防入侵识别开发。intrusion-khy00 入侵人员检测数据集 训练代码一、数据集配置文件intrusion.yaml# 数据集路径path:./intrusion-khy00train:images/trainval:images/valtest:images/test# 类别数量 名称nc:1names:0:person_intrusion二、YOLOv8/YOLOv11 训练脚本命令行环境依赖安装pipinstallultralytics opencv-python numpy训练命令# YOLOv8 训练yolo detect train\modelyolov8n.pt\dataintrusion.yaml\epochs100\batch8\imgsz640\device0# YOLOv11 训练替换模型权重即可yolo detect train\modelyolov11n.pt\dataintrusion.yaml\epochs100\batch8\imgsz640\device0三、Python 完整训练代码fromultralyticsimportYOLOdeftrain_intrusion_model():# 加载预训练模型modelYOLO(yolov8n.pt)# 开始训练resultsmodel.train(dataintrusion.yaml,# 数据集配置文件epochs100,# 训练轮数batch8,# 批次大小imgsz640,# 图像尺寸匹配数据集统一尺寸device0,# 使用GPU无GPU改为 devicecpupatience15,# 早停轮数saveTrue,# 保存模型pretrainedTrue# 使用预训练权重)print(训练完成最优模型已保存至 runs/detect/train/weights/best.pt)if__name____main__:train_intrusion_model()四、模型推理测试代码fromultralyticsimportYOLOimportcv2# 加载训练好的最优模型modelYOLO(runs/detect/train/weights/best.pt)# 图片检测defdetect_image(img_path):imgcv2.imread(img_path)resultsmodel(img,conf0.25)res_imgresults[0].plot()cv2.imwrite(detect_result.jpg,res_img)cv2.imshow(Intrusion Detection,res_img)cv2.waitKey(0)cv2.destroyAllWindows()# 视频/摄像头实时检测defdetect_video(video_path0):capcv2.VideoCapture(video_path)whilecap.isOpened():ret,framecap.read()ifnotret:breakresultsmodel(frame,conf0.25)frameresults[0].plot()cv2.imshow(Real-time Detection,frame)ifcv2.waitKey(1)0xFFord(q):breakcap.release()cv2.destroyAllWindows()# 调用示例# detect_image(test.jpg)# detect_video(test.mp4)