数据集（1）:从0了解visdrone

已于 2022-04-30 15:40:54 修改
阅读量1.1w 收藏 45
点赞数 10
文章标签： 深度学习
于 2021-04-21 17:05:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34885993/article/details/115963709
版权
VisDrone是一个针对无人机视觉数据的大型基准测试，用于推动计算机视觉在无人机领域的应用。它提供了工具包和数据集，支持图像中的对象检测任务。数据集分为训练、验证和测试挑战三个部分，包含详细的注释信息，如截断率和遮挡率。 VisDrone2018-DET工具包包括用于评估检测器的代码，而数据集包含了训练和验证数据，以及用于测试的挑战数据。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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
最低0.47元/天 解锁文章
vitalgirl
关注
（1）VisDrone无人机目标检测数据集介绍
qq_45583898的博客
12-28 1万+
官网：http://aiskyeye.com/VisDrone数据集，包含了10个类（即行人、人、汽车、面包车、公共汽车、卡车、汽车、自行车、遮阳三轮车和三轮车）无人机计算机视觉相关检测和跟踪（ Vision Meets Drones）作为近年来的研究热点之一，受到了广泛关注，这两年在各大会议上都有相关文章发表，并且也有一些竞赛。
深度学习目标检测数据VisDrone2019（to yolo / voc / coco）---MMDetection数据篇
热门推荐
qq_41627642的博客
05-11 4万+
1、VisDrone2019数据集介绍 配备摄像头的无人机(或通用无人机)已被快速部署到广泛的应用领域，包括农业、航空摄影、快速交付和监视。因此，从这些平台上收集的视觉数据的自动理解要求越来越高，这使得计算机视觉与无人机的关系越来越密切。我们很高兴为各种重要的计算机视觉任务展示一个大型基准，并仔细注释了地面真相，命名为VisDrone，使视觉与无人机相遇。VisDrone2019数据集由天津大学机器学习和数据挖掘实验室AISKYEYE团队收集。基准数据集包括288个视频片段，由261908帧和10209幅静
【目标检测】VisDrone数据集介绍
wzk4869的博客
11-23 1万+
【目标检测】VisDrone数据集介绍
yoloV5训练visDrone2019-Det无人机视觉下目标检测
深图智能工作室
03-08 1498
visDrone2019数据集是无人机视角下最具挑战性的目标检测基准数据集之一，由天津大学机器学习与数据挖掘实验室联合其他研究机构共同构建。该数据集采集自中国14个不同城市，覆盖复杂城市场景、交通枢纽、密集人群等多种环境。
数据集 VisDrone-Dataset 无人机检测跟踪数据集 ＞＞ DataBall
DATABALL 的博客
09-13 840
无人机或通用无人驾驶飞行器（UAV）配备相机后，已被迅速部署到包括农业、航拍、快速递送和监视在内的广泛应用中。因此，自动理解从这些平台收集的视觉数据变得非常迫切，这使得计算机视觉与无人机的联系越来越紧密。我们很高兴地推出一个大规模的基准测试，为各种重要的计算机视觉任务提供精心注释的真实数据，名为VisDrone，使视觉技术与无人机相结合。VisDrone2019数据集由中国天津大学机器学习与数据挖掘实验室的AISKYEYE团队收集。
目标检测数据集——无人机视觉VisDrone数据集
最新发布
笑脸惹桃花的博客
04-08 1087
无人机视觉VisDrone数据集，处理好的jpg+xml+txt数据集，直接可用。
＜数据集＞Visdrone数据集＜目标检测＞
qq_53332949的博客
08-24 901
YOLO与VOC格式的Visdrone数据集，由官方数据集转换格式，适用于YOLO系列、Faster Rcnn、SSD等模型训练，共10个类别，类别：cheating、good，8629张图片
零基础教程：使用yolov5训练无人机VisDrone数据集
pyscl01的博客
09-18 2103
零基础教程：使用yolov5训练无人机VisDrone数据集的详细教程，提供了源码和Visdrone数据集。
Visdrone2021_CrowdCounting.rar
07-21
Visdrone2021_CrowdCounting.rar 是一个针对无人机视觉监控场景下的人群计数数据集。这个数据集是VisDrone（Visual Detection and Tracking for Drones）系列的一部分，专为无人机上的目标检测、跟踪以及人群计数...
yolov3训练Visdrone2019训练结果和权重
04-27
综上所述，这个资源包提供了一个针对VisDrone2019数据集训练的YOLOv3模型实例，对于想要了解或研究无人机目标检测、YOLOv3模型优化或PyTorch训练流程的研究者和开发者来说，具有一定的参考价值。用户可以通过分析...
Python开发者必备：VisDrone数据集工具包
VisDroneUtil 是一个专为 Python 设计的工具包，旨在为 VisDrone 数据集提供方便的数据处理和分析功能。本知识点将详细介绍 VisDrone 数据集以及相关的 Python 工具包 VisDroneUtil 的功能和应用场景。 ### ...
visdrone数据集和flir数据集介绍和训练
03-07
visdrone数据集和flir数据集介绍和训练
Visdrone数据集YOLOv5训练权重+pyqt界面
06-09
1、yolov5下俯视场景下车辆行人检测视觉检测，包含YOLOv5s和YOLOv5m两种训练好的visdrone数据集权重，以及PR曲线，loss曲线等等，有pyqt界面，目标类别为车辆行人等 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码
Visdrone数据集YOLOv3训练结果 pytorch-yolov3-master-visdrone.zip
12-07
Visdrone数据集pytorch框架下YOLOv3训练结果，包含训练好的权重文件和各种训练曲线图，保存在runs/train文件夹下，附有相关场景下的测试视频和代码，代码为Ultralytics 版YOLOv3d代码
零基础教程：使用yolov8训练无人机VisDrone数据集
pyscl01的博客
09-11 8829
使用yolov8训练无人机VisDrone数据集的详细教程
【记录】VisDrone数据集处理：车辆提取、YOLO格式转化、训练数据裁剪
qq_39910747的博客
07-09 2022
参考ultralytics官方转化代码。
探索VisDrone：无人机视觉检测的数据集与挑战
gitblog_00068的博客
04-09 1505
探索VisDrone：无人机视觉检测的数据集与挑战 去发现同类优质开源项目:https://gitcode.com/ 在现代计算机视觉领域中，无人机（UAV）的视觉检测是极具挑战性且至关重要的研究方向。是一个专注于无人机视角下的目标检测和跟踪的大型数据集，为研究人员提供了一个平台，用于评估和优化他们的算法性能。 项目简介 VisDrone 数据集包含了各种复杂的环境和场景，如城市、农村、高速公路等...
数据集【NO.7】无人机航拍数据集——VisDrone2019数据集
m0_70388905的博客
07-30 2227
数据集对应应用场景，不同的应用场景有不同的检测难点以及对应改进方法，本系列整理汇总领域内的数据集。
【目标检测】YOLOv6理论解读+实践测试VisDrone数据集
兴趣使然的创作者
07-26 4459
YOLOv6是否好用？
visdrone2019数据集介绍
02-11
### 关于 VisDrone2019 数据集 #### 数据集概述 VisDrone2019 是一个大规模无人机视角下的目标检测、跟踪以及多目标追踪的数据集[^1]。该数据集旨在推动计算机视觉领域内空中视角下物体识别的研究进展。 #### 官方文档与下载链接 官方提供了详细的文档来指导研究人员如何使用此数据集。可以通过访问 [VisDrone官方网站](http://aiskyeye.com/) 获取最新版本的数据集及其对应文档。网站上不仅有不同年份的比赛资料，还包括了各类教程和支持信息。 #### 使用说明 为了方便用户快速开始研究工作，在安装好必要的依赖库之后，可以按照以下方式加载并处理图像： ```python from pycocotools.coco import COCO import os.path as osp # 初始化COCO API用于读取json格式的标签文件 anno_file = 'path/to/annotations' coco = COCO(anno_file) # 显示类别名称 cats = coco.loadCats(coco.getCatIds()) cat_names = [cat['name'] for cat in cats] print(f'Categories: {", ".join(cat_names)}') ``` 针对特定应用场景如上述提到的子图拼图评估任务，则需调整验证集中图片和标注文件的位置参数，并设定切片大小及重叠比例等超参: ```yaml EvalDataset: !SlicedCOCODataSet image_dir: VisDrone2019-DET-val anno_path: val.json dataset_dir: dataset/visdrone sliced_size: [640, 640] overlap_ratio: [0.25, 0.25] ``` #### 比赛评测指标 在VisDrone挑战赛中，通常采用多种评价标准衡量模型性能，主要包括但不限于以下几个方面： - **AP (Average Precision)**：平均精度，用来计算每个类别的预测效果； - **AR (Average Recall)** ：召回率曲线下的面积，反映的是系统检出能力； - **mAP (mean Average Precision)** : 所有类别上的 AP 平均值； 这些度量可以帮助参赛者更好地理解自己算法的优势与不足之处，从而针对性地改进模型结构或训练策略。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值