小目标无人机、飞机、直升机检测数据集(DST，yolo和voc两种标注方式如何使用YOLO模型训练小目标检测数据集小目标无人机飞机检测数据集
小目标无人机、飞机、直升机检测数据集(DSTyolo和voc两种标注方式标签数11998框数: 9975含3个类别以及框数AirPlane (2535), Drone (4812), Helicopter (2628)11998张提供yolo和voc两种标注方式图像尺寸:512*512类别数量:3类训练集图像数量:10799; 验证集图像数量:603 测试集图像数量:596类别名称: 每一类图像数 每一类标注数AirPlane: 2535,2535Drone: 4728,4812Helicopter: 2523,2628image num: 11998小目标无人机/飞机/直升机检测数据集一、数据集核心信息表项目详细说明数据集名称小目标无人机、飞机、直升机检测数据集图像总量11998张单图尺寸512×512像素标注格式同时提供YOLO、VOC两种标注格式类别总数3类数据集划分训练集10799张验证集603张测试集596张模型基准性能整体mAP0.50.954AirPlane单类mAP0.982Drone单类mAP0.897Helicopter单类mAP0.983适用场景低空小目标检测、无人机安防监控、航空目标识别、小目标检测算法训练、安防视觉项目开发二、类别分布详情表类别名称对应中文含该类图像数量该类标注框总数AirPlane固定翼飞机2535张2535个Drone无人机4728张4812个Helicopter直升机2523张2628个三、数据集YOLO配置文件air_target.yamlpath:./air_target_datasettrain:images/trainval:images/valtest:images/testnc:3names:0:AirPlane1:Drone2:Helicopter四、环境依赖安装pipinstallultralytics torch opencv-python五、YOLOv8s 训练代码train_air_target.py适配512×512小目标输入尺寸针对小目标检测做了参数优化fromultralyticsimportYOLOdefmain():# 加载YOLOv8s预训练权重适配小目标检测场景modelYOLO(yolov8s.pt)train_resultsmodel.train(data./air_target_dataset/air_target.yaml,epochs100,imgsz512,# 匹配数据集原生图像尺寸batch16,device0,# 无GPU修改为 devicecpuworkers4,patience15,lr00.001,augmentTrue,# 开启数据增强提升小目标泛化能力projectruns/train,nameair_target_detect,exist_okTrue,# 小目标检测优化参数min_memoryTrue,ampTrue)print(训练完成权重保存路径runs/train/air_target_detect/weights)# 测试集评估metricsmodel.val(data./air_target_dataset/air_target.yaml,splittest)print(f整体mAP50:{metrics.box.map50:.4f})print(f各类别mAP50:{metrics.box.maps})if__name____main__:main()六、图像/视频推理代码predict_air_target.pyfromultralyticsimportYOLOimportcv2# 加载训练完成的最优权重modelYOLO(runs/train/air_target_detect/weights/best.pt)if__name____main__:# source 支持图片路径、视频路径、摄像头ID0为默认摄像头sourcetest_air_target.jpgresultsmodel.predict(sourcesource,conf0.25,iou0.45,saveTrue)# 可视化结果forresinresults:frameres.plot()cv2.imshow(Air Target Detection,frame)ifcv2.waitKey(1)0xFFord(q):breakcv2.destroyAllWindows()七、训练结果说明从Precision-Recall曲线可见整体模型在全置信度区间内保持极高的精度与召回率平衡整体mAP0.5达0.954检测性能优异固定翼飞机AirPlane和直升机Helicopter两类目标检测精度最高mAP分别达0.982、0.983无人机Drone目标mAP为0.897在小目标、复杂背景下仍具备可靠的识别能力可直接用于低空安防监控、无人机反制等场景的二次开发。
