企业官网建设流程全解析

无人机、飞机、直升机这类目标在画面里往往只占十几个像素，甚至更小。用YOLOv11训练这种小目标检测数据集，如果只是套用网上的默认命令，基本都会翻车：不是把云层和建筑当成飞机，就是远处的小型无人机完全没被框出来，更常见的是一训练loss就剧烈震荡，mAP怎么都上不去。我这两年一直在做空中目标识别相关的项目，从军事遥感到低空安防都接触过，用YOLO系模型反复折腾过不少数据集和优化方案，积累了一些经验。这篇文章就把我对“无人机、飞机、直升机检测数据集 + YOLOv11训练小目标”这件事的完整理解和实操记录写下来，从数据集怎么准备、模型怎么选，到训练参数怎么调、小目标专项优化怎么做，再到常见问题怎么排查，都尽量讲透。适合正在用YOLOv11做小目标检测的朋友参考，尤其是做无人机反制、遥感目标识别、智慧城市低空监控这类场景的。

1. 项目整体思路与难点拆解

1.1 核心需求：检测“空中小目标”到底难在哪里

先说清楚我们面对的任务：输入一张航拍图或监控画面，输出图中无人机、飞机、直升机的位置框和类别。听起来跟通用目标检测没区别，但真正跑起来就知道，难度完全不在一个量级。

难点主要来自三个层面。第一是目标尺寸太小。在常见的1920x1080监控画面中，一架距离较远的无人机可能只有10x10像素，即便是客机，在大多数场景下也只是几百像素。小目标在卷积网络中经过多层下采样后，特征图上的响应非常微弱，到深层的特征图甚至只剩下一两个像素点，信息几乎丢失。第二是特征信息匮乏。小目标的纹理、边缘、颜色信息都极其有限，模型很难学到有区分度的表达，容易出现“看起来像鸟就框出来”的误检。第三是样本不均衡。大量图像中小目标数量稀少，而背景区域极大，正负样本极度失衡，模型训练时容易偏向学习背景特征。

针对这些难点，我们必须在数据集构建和训练策略上都做出调整，而不是单纯改几个epoch或batch size。

1.2 为什么选择YOLOv11来做这项任务

当前YOLO系列已经迭代到YOLOv11，相比前代，它在骨干网络和训练策略上做了不少优化。首先是模型结构上使用了C3k2模块和更高效的SPPF结构，在降低计算量的同时保持了较好的特征提取能力；其次是整个检测流程采用了Anchor-Free设计，不再依赖预设的锚框尺寸。这个特性对小目标检测其实是个好消息，因为传统YOLO需要手动设置或聚类选择anchor尺寸，而小目标的尺度变化极大，固定anchor很容易漏掉。Anchor-Free方式直接回归目标中心点和边长，能更灵活地适应不同大小的目标。

不过我还是要泼一盆冷水：YOLOv11默认配置是为MS COCO这种通用数据集优化的，COCO中的小目标占比并不高，而且小目标定义是“边长小于32像素”。直接拿默认权重在无人机数据集上微调，效果只能算差强人意。所以我们需要做的不是盲目套用，而是理解它的结构，然后对数据、输入分辨率、训练参数和检测头配置做针对性调整。

1.3 小目标检测的数据集是成败的关键

很多同学上来就急着下载pretrained weights然后跑训练脚本，结果效果不好，第一反应是模型不行。实际上，对小目标检测来说，数据集的优先级远高于模型结构。我见过太多样本数量足够但标注质量差的数据集，比如标注框严重偏离目标、把整片云都框进一个框里、或者同一目标在连续帧中标签不一致，这些都会导致模型学到错误信息。

一个好的小目标数据集应当满足几个条件：目标清晰可辨，即使只有10像素也应当是一个紧凑的框；类别平衡，不能一个类别有十万个目标而另一个只有几十个；场景多样，包含不同光照、天气、背景和视角。公开数据集方面，常用的是VisDrone（无人机视角下的目标检测）、UAVDT（无人机视频任务）、还有自己爬取叠加构建的遥感数据集。如果做更专业的反制场景，往往需要自建数据集，这点我会在下一节详细讲。

2. 数据集准备与预处理，这一步决定模型上限

2.1 数据采集与标注的规范细则

我先说结论：数据质量比数据量更重要，尤其对小目标。这里的“质量”不只是指图像清晰度，更关键的是标注边界框的准确度和一致性。

标注小目标最常犯的错误就是“顺手把周围背景一起框进去”。比如一架飞机在远处只有20x15像素，但标注时手一抖，框成了40x30像素，包含了一部分云层或地面。这样的标签会让模型学习时认为目标周围的背景也是目标，推理时自然会把相似背景误检成飞机。反过来，如果框太紧，比如只框了机身而漏掉机翼，模型学习时又难以定位到完整目标。所以小目标标注有一套经验：对于小于32x32像素的目标，框紧一点优于框松一点；对于较大的目标，应该准确贴合目标的实际轮廓。建议使用专业的标注工具，比如LabelImg、X-AnyLabeling或CVAT，放大图像仔细标注，并且由多人交叉验证，统一标注标准。

此外，类别定义要明确。比如“无人机”和“飞机”在图像上确实差异较大，但“直升机”和“大型四轴无人机”从俯视角度看起来可能很相似。务必定好类别边界，避免人为引入噪声。

2.2 数据增强：针对小目标的特殊处理

YOLOv11训练时默认开启了很多数据增强，包括Mosaic、MixUp、随机缩放、平移、翻转、HSV变化等。这些增强方式对中大型目标有效，但小目标往往会“遭殃”。一个典型问题是Mosaic增强：把四张图拼成一张，在随机裁剪和缩放后，原本就小的目标可能直接消失了，或者被截断掉一半。这反而会让模型学不到小目标的完整形态。

针对小目标，我做过的几种有效处理方式供参考：

• 在Mosaic操作中限制缩小的比例，避免小目标被缩到不可见。可以修改ultralytics中对mosaic的scale参数，或者对小目标样本单独关闭mosaic。
• 使用“复制粘贴”增强：从图像中裁剪出小目标，缩放到随机尺度，然后粘贴到背景图像中的随机位置。这样可以人为增加小目标的数量和场景多样性，效果非常显著，尤其当你的数据集小目标数量不足时。
• 调整增强的重叠概率。将hsv_h、hsv_s、hsv_v、degrees、translate、scale等参数适当降低，减少极端形变对小目标特征的影响。
• 不要对整张图做过强的模糊或噪声增强，小目标的纹理信息本来就很脆弱，过度的加噪会进一步淹没特征。

我自己的经验是，增强策略必须和数据分布相匹配。如果数据集中小目标占比高，建议关闭Mosaic或设置mosaic=0.5左右；如果中大型目标多，则保持默认就行。

2.3 数据集划分与格式整理

YOLOv11可以直接使用YOLO格式的数据集，目录结构一般是这样：

datasets/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/

每张图像对应一个同名的txt文件，每行表示一个目标：class_id cx cy w h，其中cx、cy是中心点坐标，w、h是宽高，全部以图像宽高归一化到0-1之间。

这里有几处非常容易出错：一是坐标必须归一化，忘了除以宽高会导致训练直接爆炸；二是类别id必须从0开始连续排列，比如你有drone、airplane、helicopter三个类别，那么类别id分别是0、1、2，不能跳号；三是检查是否存在空标签文件，如果某张图没有任何目标，label文件可以是空文件，但最好不要有缺少文件的情况，否则读取会报错。

划分数据时，我建议不要让同一条视频或者同一架次的图像同时出现在train和val中。否则模型相当于看到过这些目标，验证集的分数会虚高，实际部署时表现反而缩水。按视频段或按拍摄地点划分更可靠。

2.4 负样本和难例挖掘，提升精度的隐形变量

许多人训练目标检测模型时，只把所有包含目标的图像拿来做数据集，这是错误的。如果训练集中没有负样本（不含目标的图像），模型在推理时会倾向于在任意位置都输出一个框，导致大量误检。尤其在空中目标检测中，云层、飞鸟、树枝、远处信号塔都极易成为假阳性。

我建议在训练集中加入10%-20%的纯背景图像，这些图像的label为空文件。如果你已经有一个初步训练好的模型，还可以用它在大量无目标图像上做一次推理，把模型错误检出的目标框作为“难例”重新标注（确认确实是假阳性后，保留空标签），再加入到训练数据中，这就是典型的难例挖掘（Hard Negative Mining）。这一步能显著减少部署时的虚警率。

3. YOLOv11环境配置与模型训练基础

3.1 搭建训练环境：从零开始并不难

YOLOv11主要依赖PyTorch框架和ultralytics库。环境安装其实是一个体力活，按照以下顺序基本不会出错。

首先安装CUDA和cuDNN。如果你使用的显卡是NVIDIA的，建议装CUDA 11.8或12.1，然后pip安装对应版本的PyTorch。比如CUDA 12.1版：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

安装完成后验证一下：

import torch print(torch.__version__) print(torch.cuda.is_available())

能输出True就说明环境OK。接着安装ultralytics：

pip install ultralytics

它会自动拉取需要的依赖项。建议使用Python 3.8到3.11之间的版本，我目前用的是3.10，实测稳定。如果想要复现实验，可以固定ultralytics版本，比如8.3.x。

3.2 准备数据配置文件与模型配置

训练前，需要在ultralytics中定义一个数据集yaml文件，内容类似这样：

path: ./datasets/aircraft train: images/train val: images/val test: images/test nc: 3 names: ['drone', 'airplane', 'helicopter']

path是数据集根目录，train和val是相对路径。注意YOLOv11中如果你的图像和label目录不在同一层级，它通常会自动将images替换为labels来寻找标签文件。如果你使用了自定义目录名，可以用train_labels字段显式指定。这里最常遇到的问题是路径写错，导致训练开始时直接报错“Dataset not found”或“No labels found”。

模型配置可以通过命令行选择预定义模型。比如使用nano尺寸：

yolo detect train data=aircraft.yaml model=yolo11n.pt epochs=100 imgsz=640 batch=16

3.3 关键训练参数详解与调优建议

很多新手对训练参数不理解，盲目照搬别人的参数，其实每个参数都有它的意义。下面我把几个关键参数逐一分析。

imgsz是输入图片尺寸，这是影响小目标检测最为关键的一个参数。默认值是640，这对通用检测合理，但对小目标来说，640分辨率下原本10像素的目标会被进一步压缩到几个像素，几乎不可用。建议小目标场景至少使用1024或1280。高分辨率带来的收益非常直接，但显存消耗也是成倍增加，需要结合硬件条件取舍。

batch是批次大小，直接影响训练稳定性和显存占用。如果一张1280x1280的图，batch=8都会爆显存，可以考虑batch=4同时开启梯度累积，或者在ultralytics中直接设batch=-1让它自动选择。要注意batch太小会导致BatchNorm统计不稳定，loss容易震荡。

epochs代表训练轮数。小目标数据集的收敛速度通常比通用目标慢，因为每个目标携带的信息量少，需要更多迭代才能学到稳定特征。我一般的做法是先用150轮跑一次看趋势，如果val_loss还在下降就继续轮数或使用早停。

lr0是初始学习率，默认0.01（SGD）或0.001（AdamW）。小目标数据中如果存在类别不均衡，学习率过大会导致后期震荡，过小收敛太慢。建议使用默认值，然后观察前10轮的loss变化。如果出现loss爆炸或NaN，大概率是学习率过大或数据中有异常标签。

mosaic默认是1.0，即每轮都启用mosaic增强。如果你发现训练中的小目标表现一直不好，可以尝试设置为0.5或0。另外close_mosaic参数可以设定在最后10轮自动关闭mosaic，让模型在最终阶段适应更真实的数据分布，这是个很实用的技巧。

patience是早停耐心值，设置为20-50可以在验证集指标停止提升时自动终止训练，节省时间。

workers是数据加载线程数。建议根据自己的CPU核数设置，4-8即可。设置太大会出现“DataLoader worker exited unexpectedly”的问题。

3.4 预训练权重选择与迁移学习策略

YOLOv11提供n、s、m、l、x五种尺寸，分别对应不同的深度和宽度。对小目标检测，哪些预训练权重效果好？

我的经验是：如果你追求速度和实时性，并且数据量不大，yolo11s.pt是比较平衡的选择；如果数据量较大且有充足显存，yolo11l.pt的效果通常优于yolo11n，因为更大的模型有更强的特征表达能力。但也要注意，小目标检测中模型过深不一定是好事，深层特征图分辨率严重降低，反而丢失小目标信息。因此我更推荐中档模型（s或m），然后依靠输入分辨率和优化技巧提点。

迁移学习时需要注意，预训练权重是在COCO上训练的，其中可能包含80个类别，但当你使用自己的数据集时，模型会自动调整输出层类别数。正常情况下，你只需要加载预训练权重并进行完整的模型参数微调。我习惯冻结backbone层前几层，只训练后面部分，这样既快又能在数据量不足时防止过拟合。但冻结的比例不宜过高，否则模型对小目标的适应性不足。一般冻结前三层即可。

4. 小目标优化：从模型结构到训练策略的硬核手段

4.1 提高输入分辨率：最直接有效的“野路子”

如果你想快速看到小目标mAP提升，我首推调大imgsz。当输入从640增加到1280，小目标在特征图上的像素占比成倍提高，模型能够学到的细节更加丰富。

但代价也很明显：推理速度下降、显存消耗加大、训练时间变长。比如RTX 3090在1280分辨率下训练yolo11m，batch=4大约是8个多小时一百轮。这需要在效果和成本之间做权衡。对于远距离小目标，我认为使用1024是一个折中选择，如果你做的是离线分析而不是实时告警，1280甚至1536都值得尝试。

补充一下，推理阶段需要保持与训练阶段一致的输入尺寸，否则会出现域偏移。有的同学训练用1280，推理用640，结果性能下降明显，就是这个原因。

4.2 借用多尺度训练与测试增强鲁棒性

多尺度训练是指每轮迭代随机选择一个尺寸（比如从640到1280中随机选一个），让模型适应不同尺度的目标。YOLOv11本身就支持多尺度训练，在训练时通过scale参数控制比例。但对于小目标检测，建议把多尺度范围限制在1088到1280之间，不要使用过小的尺寸，否则小目标又会被缩没了。

多尺度测试（TTA）通常是在测试时对图像做多种尺寸缩放，然后融合结果。这样做通常能提升1-3个点的mAP，代价是推理时间成倍增加。一般只在打比赛或做离线评测时使用。

4.3 增加P2检测层，让小目标“看见”高分辨率特征

这是一个非常关键的结构优化。YOLOv11的检测头通常输出三个尺度，分别来自不同的特征金字塔层，对应大中小目标。但对小目标来说，最浅层的特征图分辨率仍然不够。我们可以手动在模型yaml中添加一个更浅层的检测头，也就是P2层，它的步长只有4，相比默认的P3（步长8），特征图尺寸扩大一倍，对应小目标的信息更完整。

修改方式是在配置文件中增加一个检测头分支，并在head部分把输出尺度数量从3改为4。具体做法参考ultralytics官方或社区中的yolo11-p2.yaml。比如在backbone中取出第二层特征，送入head，然后与neck融合。这样修改后，模型参数量略有增加，但对小目标的recall往往有明显提升。我实测在VisDrone子集上，增加P2层后mAP@0.5提升了2到4个百分点。

不过要注意，增加P2层也会带来更多的计算量和显存消耗，而且如果噪声多，反而容易误检。建议在已经使用1280输入分辨率的前提下，再考虑P2层。

4.4 损失函数与后处理参数优化

YOLOv11默认采用BCEWithLogitsLoss作为分类损失，CIoU和DFL等作为回归损失。对于小目标，默认的置信度阈值和IoU阈值常常导致大量漏检。训练时可以通过调整box_loss的权重来增强定位精度，但这个参数需要仔细调优，我一般把它设为7.5左右（默认可能不同版本不同）。

在推理阶段，conf阈值决定只输出置信度高于该值的框，iou阈值决定NMS去重时的IoU阈值。很多用户因为误检多，就把conf设得非常高比如0.6，结果把真实的小目标也给滤掉了。对于小目标场景，我更建议把conf设置在0.15-0.25之间，先保证recall，再用特定规则（比如目标面积、类别概率）过滤。NMS的iou可以适当调大一些，比如0.7，因为小目标之间的重叠区域不会像大目标那么夸张，过高iou也不至于抑制过多。

4.5 基于数据层面的人工难例增强

除了模型和参数，还有一种被验证非常有效的做法：在小目标数据集中，人工把裁剪好的目标贴到背景图像中，生成合成数据。这可以解决小目标稀疏的问题，也叫“Copy-Paste”增强。实现方式并不复杂，从训练集中抠出远处的飞机、无人机，随机旋转缩放后粘贴到没有目标的场景图上，同时生成对应的标签。注意要处理遮挡关系，不要让粘贴的目标边缘看起来太假，否则模型会学到不自然的特征。

我曾在一次数据集中，将小目标数量增加了3倍，配合这种增强，模型的recall从0.6提升到0.78，效果立竿见影。

5. 训练实操过程、日志解读与问题排查

5.1 一次完整的训练命令与日志解读

以一个典型的小目标数据集为例，我训练的启动命令如下：

yolo detect train \ data=datasets/aircraft.yaml \ model=yolo11s.pt \ imgsz=1280 \ batch=8 \ epochs=200 \ lr0=0.005 \ optimizer='AdamW' \ patience=30 \ close_mosaic=10 \ cache=True \ project=runs/aircraft \ name=exp1

这里选择用AdamW而不是默认的SGD，因为AdamW在小目标场景下往往更快稳定，尤其是数据量不大的时候。训练开始后，你会看到类似下面的输出：

Epoch GPU_mem box_loss cls_loss dfl_loss Instances Size 1/200 8.1G 1.102 2.351 1.118 12 1280 5/200 8.1G 0.872 1.701 0.952 21 1280 10/200 8.1G 0.734 1.234 0.831 34 1280

判断训练是否健康的主要指标有三个：box_loss在初期快速下降，中后期缓慢下降；cls_loss稳定下降，没有反复波动；每个epoch的目标数量Instances基本能覆盖各类别。如果某一类别的Instances始终为0，说明该类别的标签可能有错误或者数据分布严重不均衡。

每轮epoch结束后会输出验证集指标，包括mAP50、mAP50-95等。当mAP50-95连续多轮不升反降，并且box_loss还在下降，可能过拟合了，此时需要增加数据增强或引入正则化。

5.2 显存不足的根本解决思路

训练小目标时，使用大分辨率和较大模型，最常见的报错就是CUDA out of memory。这时候不要急着换显卡，先试以下组合技：

• 降低batch_size，比如从8降到4或2，同时增加accumulate参数，实现梯度累积，保持等效batch大小。ultralytics支持设置batch=4 accumulate=2，效果与batch=8近似。
• 降低模型尺寸，从m降到s。
• 使用AMP混合精度训练，ultralytics默认开启amp=True，它会大幅降低显存占用，对小目标训练影响很小。
• 关闭cache=True的RAM缓存。如果机器内存不够，缓存图片会爆内存。 使用cache=False或cache='disk'。

5.3 训练不收敛的常见原因与对策

训练loss居高不下或直接变成NaN，原因通常是以下几个方面：

• 标签文件格式错误。坐标没有归一化，或者出现负数、大于1的值。可以写个脚本扫描所有txt文件，检查是否存在非法值。
• 类别ID超出nc范围。比如nc=3，但标签里出现了class_id=4，这会导致训练loss异常。
• 学习率过大。尝试降低lr0到0.001并开启warmup。
• 图像数据损坏。个别图片文件损坏或通道数异常（比如4通道PNG），导致DataLoader读取错误，表现为训练中途崩溃。可以先用脚本遍历一下图片，用PIL验证能否打开，并统一转换为三通道RGB。

5.4 小目标漏检严重的排查方向

训练完后，跑测试集发现小目标漏检很多，我建议先做这几步排查：

• 检查是不是输入分辨率还不够高。把imgsz调到1280，再测一下。如果效果明显提升，说明分辨率是瓶颈。
• 检查验证集标注是否准确。用训练好的模型直接可视化预测，把预测和标签画在同一张图上，看小目标是否真实存在但标注框偏移或缺失。
• 检查是否使用了过高的置信度阈值。在predict时设conf=0.05，看看候选框中是否包含小目标。如果置信度都集中在0.1以下，则说明模型对这部分目标不够自信，需要从数据增强和P2层入手。
• 检查数据增强在小目标上的破坏程度。你可以临时关闭mosaic、mixup等增强，在相同参数下训练10个epoch对比，看小目标recall是否有变化。

5.5 其他常见报错与速查表

我整理了一份速查表，基本涵盖了训练中遇到的高频问题：

6. 模型评估、预测结果保存与部署经验

6.1 小目标场景下该关注哪些评估指标

通用检测报告一般会打印mAP50和mAP50-95，但对小目标检测，我们需要额外关注小目标特定指标。一种做法是把COCO定义的small、medium、large分别评估，ultralytics的验证脚本会自动输出这些分段的AP。在代码中，你可以通过以下方式查看：

from ultralytics import YOLO model = YOLO('runs/aircraft/exp1/weights/best.pt') metrics = model.val(data='datasets/aircraft.yaml', imgsz=1280) print(metrics.box.ap50) # 各类别mAP@0.5 print(metrics.box.ap) # 各类别mAP@0.5:0.95 print(metrics.box.small_ap) # 小目标（面积小于32x32）的AP

此外，定性查看预测结果是必要的。建议在测试图像上把GT框和预测框画在一起，用不同颜色区分，能够直观看到漏检和误检。特别注意，一个模型mAP看起来不错，但可能大目标AP很高而小目标AP几乎为0。小目标场景必须以小目标AP作为主要优化导向。

6.2 预测后保存结果的多种方式

训练、验证完成后，你需要把模型用于测试集或实际输入图片。常见需求包括保存带框的图片、保存txt检测结果、保存可视化视频等。ultralytics提供非常简洁的推理接口：

from ultralytics import YOLO model = YOLO('runs/aircraft/exp1/weights/best.pt') results = model.predict('test_images/', imgsz=1280, conf=0.2, iou=0.7, save=True) for i, r in enumerate(results): # 保存txt标签到文件 r.save_txt('output_labels/' + str(i) + '.txt', save_conf=True) # 返回numpy数组格式的检测框 boxes = r.boxes.xyxy.cpu().numpy()

也可以保存JSON格式输出，需要设置save_json=True。注意save_txt输出的是归一化坐标，和训练标签格式一致，方便后续二次处理。无论是保存图片还是保存推理结果，都要保证给imgsz赋值与训练一致，避免尺寸不匹配带来的性能下降。

6.3 部署时的一些经验之谈

小目标检测部署在实时系统中时，最大的矛盾是精度与速度的平衡。1280分辨率虽然效果好，但在边缘设备上可能无法达到实时帧率。一种折中方案是：先用大分辨率模型做稀疏帧检测，再用小分辨率模型做连续帧跟踪。也可以考虑将训练好的模型导出为ONNX或TensorRT格式，以加速推理。

导出ONNX非常简单：

model.export(format='onnx', imgsz=1280, half=True)

如果是边缘设备，建议导出FP16版本的ONNX再转换为TensorRT，能显著降低延迟。我在NVIDIA Jetson设备上实测，yolo11s + 1280输入 + TensorRT FP16大约可以跑到15-25 FPS，基本满足低速监控场景。

最后再分享一点我个人的体会

做小目标检测这几年，最大的感受就是不要神化模型结构。YOLOv11确实很好用，但真正拉开效果差距的，往往是那些“笨功夫”——把数据集标注质量提上去，把分辨率舍得提高，把数据增强对应用场景适配好，再叠加精细化的训练策略。每次我在项目里遇到小目标漏检，第一反应都是回去检查数据，而不是马上换模型。只有这些基础工作扎实了，像P2层这样的结构优化才能发挥真正作用。如果你正在跑无人机、飞机、直升机这类数据集，不妨先按照前面的步骤梳理一遍自己的数据和参数，很多卡住的问题都会迎刃而解。