2026/4/21 20:35:45
网站建设
项目流程
🚁 主流无人机视角目标检测数据集
1. VisDrone 数据集 ⭐⭐⭐⭐⭐（最推荐）
| 项目 | 详情 |
|---|
| 官方地址 | https://github.com/VisDrone/VisDrone-Dataset |
| 内容 | 288个视频片段、261,908帧视频、10,209幅静态图像 |
| 分辨率 | 2000×1500像素 |
| 检测目标 | 行人、汽车、公交车、卡车、自行车等10类 |
| 特点 | 不同天气、不同高度、遮挡/截断标注详细 |
| Yolo格式支持 | 有转换脚本，社区支持完善 |
使用示例：
gitclone https://github.com/VisDrone/VisDrone-Dataset.git
![]()
2. UAVDT 数据集
| 项目 | 详情 |
|---|
| 官方地址 | https://sites.google.com/view/grli-uavdt/ |
| 内容 | 100个视频序列、8万多帧 |
| 检测目标 | 约2700辆汽车 |
| 用途 | 目标检测和跟踪 |
3. 其他专业数据集
| 数据集 | 特点 | 地址 |
|---|
| DroneVehicle | 天津大学，大型航拍车辆检测数据集 | CSDN可获取 |
| UA-DETRAC | 24个场景、14万帧、多天气条件 | 车辆检测 |
| DTU-Drone | 丹麦技术大学，701幅4000×3000像素图像 | 风力涡轮机检测 |
| DroneCrowd | 33600幅图像，拥挤人群密度估计 | 人群计数 |
| PeopleOnGrass | 2900幅3840×2160像素图像 | 人员检测，13,713个目标 |
| Saford Drone | 斯坦福校园航拍，60个视频、10类目标 | 通用场景 |
| DIOR / DOTA | 遥感图像，多尺度目标 | 遥感检测 |
📦 可直接使用的YOLO格式数据集
1. CSDN 提供的现成数据集
- 无人机视角目标检测数据集：4,016张训练图 + 1,213张验证图 + 557张测试图，YOLO标注格式
- 无人机视角航空目标检测数据集：1,993张训练图 + 724张验证图 + 376张测试图，飞机/船舶/车辆三类
2. Roboflow Universe
- 网站：https://universe.roboflow.com
- 搜索关键词：“drone detection”、“aerial object detection”
- 特点：可直接下载YOLO格式的标注数据
🤖 YOLO模型资源
1. Ultralytics官方
| 资源 | 链接 |
|---|
| YOLOv8 | https://github.com/ultralytics/ultralytics |
| YOLOv5 | https://github.com/ultralytics/yolov5 |
| 预训练权重 | 官网下载YOLOv5s/m/l、YOLOv8s/m/l/x |
2. VisDrone专用训练模型
- YOLOv5s/v8在VisDrone数据集上训练好的权重
- M2E-YOLOv5s、EMFE-YOLO等小目标优化模型
- FGF-YOLO轻量化模型
🚀 快速上手
训练YOLOv5（VisDrone数据集）
# 克隆项目gitclone https://github.com/VisDrone/VisDrone-Dataset.git# 使用Ultralytics YOLO训练yolo traindata=VisDrone.yamlmodel=yolov5s.pt
💡 使用建议
- 新手推荐：从VisDrone开始，社区资料最丰富
- 数据格式：VisDrone原始格式需转换为YOLO格式
- 模型选择：
- 实时性要求高 → YOLOv5s/v8s
- 精度优先 → YOLOv8l/v10
- 小目标检测：使用专门的EMFE-YOLO或改进版YOLOv8
📌 总结
| 优先级 | 数据集 | 适用场景 |
|---|
| ⭐⭐⭐⭐⭐ | VisDrone | 通用目标检测，最推荐 |
| ⭐⭐⭐⭐ | UAVDT | 车辆检测 |
| ⭐⭐⭐ | 无人机视角航空目标检测数据集 | 飞机/船舶/车辆 |
| ⭐⭐⭐ | Roboflow Universe | 多类别，YOLO格式 |
以上数据集均为从无人机/高空拍摄的地面目标，符合您的需求。建议从VisDrone开始，这是目前学术界和工业界使用最广泛的无人机视角目标检测数据集。