数据集（1）:从0了解visdrone

VisDrone – Vision Meets Drones: A Challenge  

VisDrone (VisDrone) · GitHub

配备摄像机的无人机或通用无人机已经快速部署到广泛的应用中，包括农业，航空摄影，快速交付和监视。

因此，对从这些平台收集的视觉数据的自动理解的要求越来越高，这使计算机视觉越来越紧密地应用于无人机。

我们很高兴为大规模的基准测试提供详细说明的真实性，以完成各种重要的计算机视觉任务，称为VisDrone，以使视觉满足无人机的要求。

简单来讲，visdrone就是一个比赛，我们训练模型的时候可以使用它的工具包和数据集。

##工具包

• VisDrone2018-DET-tookit-master

这是用于图像中对象检测（Object detection）的VisDrone2018-DET工具包。

该文件夹包括有三个文件，如下：

其中，evalDET.m是用于评估检测器的主要功能-请修改数据集路径和结果路径-使用“ isImgDisplay”显示地面真实情况和检测结果

为什么将数据集划分成三个集合：

「机器学习速成」为什么要拆分为三个集：训练集、验证集、测试集_喜欢打酱油的老鸟的博客-CSDN博客_为什么要划分训练集和测试集

怎么划分三个数据集：

【七】机器学习之路——训练集、测试集及如何划分_Easy_ray的博客-CSDN博客_训练集和测试集划分比例

##数据集

• VisDrone2019-DET-train

这是“图像中的对象检测”的数据集之训练数据

该文件夹包括

其中Anootations下是txt文件，内容如下：

这八个数据含义如下图所示：

注：两种有用的注释：truncation截断率,occlusion遮挡率。

被遮挡的对象比例来定义遮挡率。

截断率用于指示对象部分出现在框架外部的程度。

值得一提的是，如果目标的截断率大于50％，则会在评估过程中将其跳过。

• VisDrone2019-DET-val

这是“图像中的对象检测”的数据集之验证数据

• VisDrone2019-DET-test-challenge

这是“图像中的对象检测”的数据集之测试挑战数据