尧图网页设计 
简介这份红外微小目标检测数据集面向从事无人机、直升机、飞机与飞鸟识别的研究者与算法工程师适用于红外场景下的目标检测模型训练与验证。数据同时提供Pascal VOC与YOLO两种标注格式包含jpg图片及对应的xml、txt标注文件可直接接入主流检测框架。压缩包共约2000个文件以1999个xml标注文件和1个说明txt为主整体约175.53MB标注工具为labelImg采用矩形框方式。数据集共7559张图片标注类别4类分别为Airplane、Bird、Drone、Helicopter总框数7858其中Drone框数最多达4242Bird为1214Helicopter为1431Airplane为971类别分布清晰便于分析。目前已有1122人学习下载适合需要红外小目标样本、开展多类别检测对比实验或扩充训练集的读者参考使用。1. 从 7559 张红外样本说起无人机、直升机、飞机、飞鸟四类目标检测到底难在哪拿到「红外微小目标无人机直升机飞机飞鸟检测数据集 VOCYOLO 格式 7559 张 4 类别」这个标题第一反应不是兴奋而是先算一笔账7559 张图、4 个类别平均每类不到 1900 张而红外小目标的像素占比往往只有十几个甚至几个像素。这意味着你面对的不是常规的 COCO 式检测任务而是一个典型的「小目标 低对比度 类间相似」三重叠加场景。无人机视觉感知、无人机路径规划算法、无人机自动巡检这些热搜词背后真正卡住工程落地的往往不是飞控而是「看不看得见、分不分得清」。这个数据集能解决的问题很具体给红外场景下的空域目标检测提供一个可直接训练的起点覆盖无人机、直升机、飞机、飞鸟四个容易混淆的类别。适合谁做低空安防、机场净空监测、无人机反制前端感知、红外吊舱算法验证的工程师以及需要快速搭一个红外检测 baseline 的研究生。它不适合直接拿去当产品模型——7559 张的体量只够验证 pipeline不够覆盖真实场景的长尾。但作为「从 0 到 1 跑通红外小目标检测」的起点它的价值在于省掉了你自己标注几千张红外图的成本让你能把精力放在模型结构和后处理上。2. VOC 与 YOLO 双格式拆解7559 张 4 类别的目录结构与转换逻辑2.1 为什么这个数据集同时给 VOC 和 YOLO 两套标注VOC 格式用 XML 存绝对坐标YOLO 格式用 txt 存归一化中心点坐标两者本质是同一批标注的两种表达。数据集同时提供说明作者考虑了两类使用习惯一路人用 PyTorch 自己写 Dataset习惯读 XML另一路人直接用 Ultralytics 系框架需要 txt。实际拿到压缩包后典型目录结构是这样的dataset/ ├── VOCdevkit/ │ └── VOC2007/ │ ├── Annotations/ # 7559 个 xml │ ├── JPEGImages/ # 7559 张 jpg │ └── ImageSets/Main/ # train.txt / val.txt └── yolo/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml提示不同来源的压缩包目录命名可能略有差异先解压后用find . -name *.xml | wc -l和find . -name *.txt | wc -l核对数量确认 7559 这个数字对得上再往下走。2.2 四类别标签映射与 data.yaml 的正确写法四个类别的顺序直接决定训练出来的类别索引写错一位推理时无人机就被标成飞鸟。常见做法是按字母序或按作者原始顺序但你必须以 XML 里实际出现的name为准。先用一段脚本统计import glob, xml.etree.ElementTree as ET from collections import Counter counter Counter() for xml_path in glob.glob(VOCdevkit/VOC2007/Annotations/*.xml): tree ET.parse(xml_path) for obj in tree.getroot().findall(object): counter[obj.find(name).text] 1 print(counter) # 确认四个类别名和各自数量跑完你会得到类似{drone: 2100, helicopter: 1800, plane: 1900, bird: 1759}的分布。把这个顺序原样写进data.yamlpath: ./yolo train: images/train val: images/val nc: 4 names: [drone, helicopter, plane, bird]参数说明nc必须等于 4names的顺序必须和 label txt 里的类别索引一致。YOLO 的 label 每行是class_id cx cy w h全部归一化到 0~1。如果你发现某个 txt 里出现4或更大的索引说明转换脚本有 bug必须回头查。2.3 从 VOC 转 YOLO转换脚本与四个边界坑如果压缩包里只给了 VOC或者你想自己重转一遍确保干净这段脚本可以直接抄import glob, os import xml.etree.ElementTree as ET from PIL import Image CLASSES [drone, helicopter, plane, bird] def convert(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) img_name root.find(filename).text lines [] for obj in root.findall(object): cls obj.find(name).text if cls not in CLASSES: continue cls_id CLASSES.index(cls) 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) # 边界裁剪防止越界导致归一化后超出 0~1 x1, y1 max(0, x1), max(0, y1) x2, y2 min(w, x2), min(h, y2) cx (x1 x2) / 2 / w cy (y1 y2) / 2 / h bw (x2 - x1) / w bh (y2 - y1) / h if bw 0 or bh 0: continue # 丢弃退化框 lines.append(f{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) out_path os.path.join(out_dir, img_name.replace(.jpg, .txt)) with open(out_path, w) as f: f.write(\n.join(lines)) for x in glob.glob(VOCdevkit/VOC2007/Annotations/*.xml): convert(x, yolo/labels/all)逻辑说明先读图像宽高做归一化分母再对坐标做裁剪防止越界最后丢弃宽高为 0 的退化框。四个边界坑分别是坐标越界xmax 超过图像宽度、退化框标注时手抖画成一条线、类别名大小写不一致Drone和drone会被当成两类、文件名与图片不匹配xml 里的 filename 和实际 jpg 名对不上。转换完务必抽查 10 张用可视化脚本画框确认。3. 用 YOLOv8 在本地跑通红外四类检测的最小训练命令3.1 环境准备与数据集挂载红外小目标对输入分辨率敏感建议先用imgsz640跑通再考虑升到 1024。环境用 conda 隔离conda create -n ir_detect python3.10 -y conda activate ir_detect pip install ultralytics8.2.0 opencv-python pillow把data.yaml里的path改成你本地的绝对路径避免相对路径在训练时找不到图。挂载完成后跑一次官方校验yolo checks这一步会打印 CUDA、显存、版本信息。如果显存小于 8G把batch降到 8 或 4别硬上 16。3.2 训练命令与关键参数怎么设最小可跑命令yolo detect train \ data./yolo/data.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/ir \ nameexp1参数说明model选yolov8s而不是n因为红外小目标特征弱n 的容量容易欠拟合imgsz640是速度和精度的折中若你的目标普遍小于 16 像素直接上 1024lr00.01是 SGD 的常规起点若用 AdamW 改成 0.001patience20表示 20 轮无提升就早停红外数据集小过拟合来得快。训练过程中重点看mAP50-95和cls_loss如果cls_loss下降但mAP不涨多半是类别混淆尤其是飞机和飞鸟在红外下都是亮斑。3.3 推理验证与可视化检查训练完先别急着看指标用验证集跑一遍可视化yolo detect predict \ modelruns/ir/exp1/weights/best.pt \ source./yolo/images/val \ conf0.25 \ saveTrueconf0.25是默认阈值红外小目标建议先降到 0.15 看召回再根据误报情况回调。打开runs/ir/exp1/下的val_batch0_pred.jpg重点看三类错误飞鸟被标成无人机、远处小目标漏检、地面热源被误检成目标。这三类错误直接决定你下一步是加数据、改 anchor 还是调 NMS。4. 红外小目标检测的避坑与排查从漏检到类别混淆4.1 坑一mAP 看着还行实际漏检一片现象验证集 mAP50 有 0.7但可视化一看远处小目标几乎全漏。原因红外小目标在 640 分辨率下只剩几个像素YOLO 的 P3 特征图下采样 8 倍后信息几乎丢失。解决把imgsz提到 1024或者在模型里加一个 P2 检测头。Ultralytics 系可以直接改 yaml 加P2层代价是显存和推理时间上升约 40%。4.2 坑二飞机和飞鸟互相误检现象飞鸟被大量标成飞机飞机被标成飞鸟。原因红外成像下两者都是高亮小斑形状特征在低分辨率下几乎不可分模型只能靠上下文猜。解决先统计混淆矩阵如果这两类的误检占主导考虑合并成一个「空中目标」类先跑通再单独训一个二分类器做细分类或者在数据增强里加随机旋转和缩放逼模型学运动形态而非绝对位置。4.3 坑三训练 loss 震荡不收敛现象box_loss忽高忽低几个 epoch 后突然飙升。原因红外数据集里存在标注框越界或宽高为 0 的脏样本YOLO 在计算 IoU 时产生 NaN。解决训练前跑一遍数据校验脚本把宽或高小于 2 像素的框直接删掉同时把lr0从 0.01 降到 0.005加warmup_epochs5。4.4 坑四验证集指标虚高现象val mAP 比实际部署高出一大截。原因VOC 转 YOLO 时如果 train/val 划分是按文件名顺序切的而原始数据是按场景连续采集的会导致同一场景的图同时出现在 train 和 val造成信息泄漏。解决按场景或时间戳做划分确保 val 里的场景在 train 里没出现过。这一步没有捷径只能回头查数据来源。4.5 坑五推理速度不达标现象模型精度够但帧率只有个位数。原因imgsz1024加上yolov8s在边缘设备上跑不动。解决先导出 ONNX 再用 TensorRT 量化INT8 量化后速度通常能翻倍但要注意红外图像的动态范围窄量化校准集必须覆盖白天和夜间两种场景否则精度掉得厉害。5. 把 7559 张用到极致小数据下的增强策略与验证习惯7559 张对红外检测来说不算多尤其是四类均分后每类不到 2000。我一般会做三件事把数据榨干。第一离线增强扩到 3 倍对训练集做随机水平翻转、±15 度旋转、亮度扰动红外图像的亮度对应温度扰动范围控制在 ±10% 以内否则会破坏物理合理性。第二用 Mosaic 和 MixUp但红外场景下 MixUp 要慎用两张不同温度分布的图叠在一起会产生不存在的热斑建议 MixUp 概率降到 0.1 以下。第三切图训练把 1024 的图切成 4 张 512 的重叠子图让小目标在子图里占比翻倍推理时再拼回去这套做法在无人机视觉感知的工程里很常见。验证习惯上我坚持每训完一个版本固定抽 50 张跨场景的图做人工复核记录漏检和误检的具体位置而不是只看 mAP 数字。红外小目标的指标波动大同一模型在不同场景下 mAP 能差 20 个点只有逐张看才能发现模型到底学到了什么。最后留一句我踩过的教训别在 7559 张上追求 SOTA先把 pipeline 跑通、把脏数据清干净、把验证集划分做对这三件事的价值远大于换一个更复杂的模型。希望帮到你。本文还有配套的精品资源点击获取 红外小目标检测实战：7559张无人机直升机飞机飞鸟数据集VOC+YOLO训练避坑指南
简介这份红外微小目标检测数据集面向从事无人机、直升机、飞机与飞鸟识别的研究者与算法工程师适用于红外场景下的目标检测模型训练与验证。数据同时提供Pascal VOC与YOLO两种标注格式包含jpg图片及对应的xml、txt标注文件可直接接入主流检测框架。压缩包共约2000个文件以1999个xml标注文件和1个说明txt为主整体约175.53MB标注工具为labelImg采用矩形框方式。数据集共7559张图片标注类别4类分别为Airplane、Bird、Drone、Helicopter总框数7858其中Drone框数最多达4242Bird为1214Helicopter为1431Airplane为971类别分布清晰便于分析。目前已有1122人学习下载适合需要红外小目标样本、开展多类别检测对比实验或扩充训练集的读者参考使用。1. 从 7559 张红外样本说起无人机、直升机、飞机、飞鸟四类目标检测到底难在哪拿到「红外微小目标无人机直升机飞机飞鸟检测数据集 VOCYOLO 格式 7559 张 4 类别」这个标题第一反应不是兴奋而是先算一笔账7559 张图、4 个类别平均每类不到 1900 张而红外小目标的像素占比往往只有十几个甚至几个像素。这意味着你面对的不是常规的 COCO 式检测任务而是一个典型的「小目标 低对比度 类间相似」三重叠加场景。无人机视觉感知、无人机路径规划算法、无人机自动巡检这些热搜词背后真正卡住工程落地的往往不是飞控而是「看不看得见、分不分得清」。这个数据集能解决的问题很具体给红外场景下的空域目标检测提供一个可直接训练的起点覆盖无人机、直升机、飞机、飞鸟四个容易混淆的类别。适合谁做低空安防、机场净空监测、无人机反制前端感知、红外吊舱算法验证的工程师以及需要快速搭一个红外检测 baseline 的研究生。它不适合直接拿去当产品模型——7559 张的体量只够验证 pipeline不够覆盖真实场景的长尾。但作为「从 0 到 1 跑通红外小目标检测」的起点它的价值在于省掉了你自己标注几千张红外图的成本让你能把精力放在模型结构和后处理上。2. VOC 与 YOLO 双格式拆解7559 张 4 类别的目录结构与转换逻辑2.1 为什么这个数据集同时给 VOC 和 YOLO 两套标注VOC 格式用 XML 存绝对坐标YOLO 格式用 txt 存归一化中心点坐标两者本质是同一批标注的两种表达。数据集同时提供说明作者考虑了两类使用习惯一路人用 PyTorch 自己写 Dataset习惯读 XML另一路人直接用 Ultralytics 系框架需要 txt。实际拿到压缩包后典型目录结构是这样的dataset/ ├── VOCdevkit/ │ └── VOC2007/ │ ├── Annotations/ # 7559 个 xml │ ├── JPEGImages/ # 7559 张 jpg │ └── ImageSets/Main/ # train.txt / val.txt └── yolo/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml提示不同来源的压缩包目录命名可能略有差异先解压后用find . -name *.xml | wc -l和find . -name *.txt | wc -l核对数量确认 7559 这个数字对得上再往下走。2.2 四类别标签映射与 data.yaml 的正确写法四个类别的顺序直接决定训练出来的类别索引写错一位推理时无人机就被标成飞鸟。常见做法是按字母序或按作者原始顺序但你必须以 XML 里实际出现的name为准。先用一段脚本统计import glob, xml.etree.ElementTree as ET from collections import Counter counter Counter() for xml_path in glob.glob(VOCdevkit/VOC2007/Annotations/*.xml): tree ET.parse(xml_path) for obj in tree.getroot().findall(object): counter[obj.find(name).text] 1 print(counter) # 确认四个类别名和各自数量跑完你会得到类似{drone: 2100, helicopter: 1800, plane: 1900, bird: 1759}的分布。把这个顺序原样写进data.yamlpath: ./yolo train: images/train val: images/val nc: 4 names: [drone, helicopter, plane, bird]参数说明nc必须等于 4names的顺序必须和 label txt 里的类别索引一致。YOLO 的 label 每行是class_id cx cy w h全部归一化到 0~1。如果你发现某个 txt 里出现4或更大的索引说明转换脚本有 bug必须回头查。2.3 从 VOC 转 YOLO转换脚本与四个边界坑如果压缩包里只给了 VOC或者你想自己重转一遍确保干净这段脚本可以直接抄import glob, os import xml.etree.ElementTree as ET from PIL import Image CLASSES [drone, helicopter, plane, bird] def convert(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) img_name root.find(filename).text lines [] for obj in root.findall(object): cls obj.find(name).text if cls not in CLASSES: continue cls_id CLASSES.index(cls) 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) # 边界裁剪防止越界导致归一化后超出 0~1 x1, y1 max(0, x1), max(0, y1) x2, y2 min(w, x2), min(h, y2) cx (x1 x2) / 2 / w cy (y1 y2) / 2 / h bw (x2 - x1) / w bh (y2 - y1) / h if bw 0 or bh 0: continue # 丢弃退化框 lines.append(f{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) out_path os.path.join(out_dir, img_name.replace(.jpg, .txt)) with open(out_path, w) as f: f.write(\n.join(lines)) for x in glob.glob(VOCdevkit/VOC2007/Annotations/*.xml): convert(x, yolo/labels/all)逻辑说明先读图像宽高做归一化分母再对坐标做裁剪防止越界最后丢弃宽高为 0 的退化框。四个边界坑分别是坐标越界xmax 超过图像宽度、退化框标注时手抖画成一条线、类别名大小写不一致Drone和drone会被当成两类、文件名与图片不匹配xml 里的 filename 和实际 jpg 名对不上。转换完务必抽查 10 张用可视化脚本画框确认。3. 用 YOLOv8 在本地跑通红外四类检测的最小训练命令3.1 环境准备与数据集挂载红外小目标对输入分辨率敏感建议先用imgsz640跑通再考虑升到 1024。环境用 conda 隔离conda create -n ir_detect python3.10 -y conda activate ir_detect pip install ultralytics8.2.0 opencv-python pillow把data.yaml里的path改成你本地的绝对路径避免相对路径在训练时找不到图。挂载完成后跑一次官方校验yolo checks这一步会打印 CUDA、显存、版本信息。如果显存小于 8G把batch降到 8 或 4别硬上 16。3.2 训练命令与关键参数怎么设最小可跑命令yolo detect train \ data./yolo/data.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/ir \ nameexp1参数说明model选yolov8s而不是n因为红外小目标特征弱n 的容量容易欠拟合imgsz640是速度和精度的折中若你的目标普遍小于 16 像素直接上 1024lr00.01是 SGD 的常规起点若用 AdamW 改成 0.001patience20表示 20 轮无提升就早停红外数据集小过拟合来得快。训练过程中重点看mAP50-95和cls_loss如果cls_loss下降但mAP不涨多半是类别混淆尤其是飞机和飞鸟在红外下都是亮斑。3.3 推理验证与可视化检查训练完先别急着看指标用验证集跑一遍可视化yolo detect predict \ modelruns/ir/exp1/weights/best.pt \ source./yolo/images/val \ conf0.25 \ saveTrueconf0.25是默认阈值红外小目标建议先降到 0.15 看召回再根据误报情况回调。打开runs/ir/exp1/下的val_batch0_pred.jpg重点看三类错误飞鸟被标成无人机、远处小目标漏检、地面热源被误检成目标。这三类错误直接决定你下一步是加数据、改 anchor 还是调 NMS。4. 红外小目标检测的避坑与排查从漏检到类别混淆4.1 坑一mAP 看着还行实际漏检一片现象验证集 mAP50 有 0.7但可视化一看远处小目标几乎全漏。原因红外小目标在 640 分辨率下只剩几个像素YOLO 的 P3 特征图下采样 8 倍后信息几乎丢失。解决把imgsz提到 1024或者在模型里加一个 P2 检测头。Ultralytics 系可以直接改 yaml 加P2层代价是显存和推理时间上升约 40%。4.2 坑二飞机和飞鸟互相误检现象飞鸟被大量标成飞机飞机被标成飞鸟。原因红外成像下两者都是高亮小斑形状特征在低分辨率下几乎不可分模型只能靠上下文猜。解决先统计混淆矩阵如果这两类的误检占主导考虑合并成一个「空中目标」类先跑通再单独训一个二分类器做细分类或者在数据增强里加随机旋转和缩放逼模型学运动形态而非绝对位置。4.3 坑三训练 loss 震荡不收敛现象box_loss忽高忽低几个 epoch 后突然飙升。原因红外数据集里存在标注框越界或宽高为 0 的脏样本YOLO 在计算 IoU 时产生 NaN。解决训练前跑一遍数据校验脚本把宽或高小于 2 像素的框直接删掉同时把lr0从 0.01 降到 0.005加warmup_epochs5。4.4 坑四验证集指标虚高现象val mAP 比实际部署高出一大截。原因VOC 转 YOLO 时如果 train/val 划分是按文件名顺序切的而原始数据是按场景连续采集的会导致同一场景的图同时出现在 train 和 val造成信息泄漏。解决按场景或时间戳做划分确保 val 里的场景在 train 里没出现过。这一步没有捷径只能回头查数据来源。4.5 坑五推理速度不达标现象模型精度够但帧率只有个位数。原因imgsz1024加上yolov8s在边缘设备上跑不动。解决先导出 ONNX 再用 TensorRT 量化INT8 量化后速度通常能翻倍但要注意红外图像的动态范围窄量化校准集必须覆盖白天和夜间两种场景否则精度掉得厉害。5. 把 7559 张用到极致小数据下的增强策略与验证习惯7559 张对红外检测来说不算多尤其是四类均分后每类不到 2000。我一般会做三件事把数据榨干。第一离线增强扩到 3 倍对训练集做随机水平翻转、±15 度旋转、亮度扰动红外图像的亮度对应温度扰动范围控制在 ±10% 以内否则会破坏物理合理性。第二用 Mosaic 和 MixUp但红外场景下 MixUp 要慎用两张不同温度分布的图叠在一起会产生不存在的热斑建议 MixUp 概率降到 0.1 以下。第三切图训练把 1024 的图切成 4 张 512 的重叠子图让小目标在子图里占比翻倍推理时再拼回去这套做法在无人机视觉感知的工程里很常见。验证习惯上我坚持每训完一个版本固定抽 50 张跨场景的图做人工复核记录漏检和误检的具体位置而不是只看 mAP 数字。红外小目标的指标波动大同一模型在不同场景下 mAP 能差 20 个点只有逐张看才能发现模型到底学到了什么。最后留一句我踩过的教训别在 7559 张上追求 SOTA先把 pipeline 跑通、把脏数据清干净、把验证集划分做对这三件事的价值远大于换一个更复杂的模型。希望帮到你。本文还有配套的精品资源点击获取