（1）VisDrone无人机目标检测数据集介绍

最新推荐文章于 2025-08-14 10:12:23 发布
最新推荐文章于 2025-08-14 10:12:23 发布
阅读量1.3w 收藏 38
点赞数 6
CC 4.0 BY-SA版权
分类专栏： Visdrone无人机数据目标检测实验结果 文章标签： 无人机 目标检测 人工智能
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_45583898/article/details/128470602
VisDrone数据集由天津大学、京东数字科技和纽约州立大学共同推出，包含10个类别，旨在推动无人机视觉检测和跟踪的研究。该数据集提供了四个track，包括图像和视频目标检测及跟踪，是目前同类中最大的数据集，适合用于算法评估和研究。

数据集介绍

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。当前， 无人机收集的视觉数据的自动理解变得非常困难，并且其用途广泛， 天津大学的朱鹏飞博士、京东数字科技文珑银博士和纽约州立大学奥尔巴尼分校的 独大为博士等新出的这 篇论文对近几年基于无人机视觉检测和跟踪方法和数据集进行了全面综述， 总结了当前面临的挑战，提出了未来的发展方向和改进方向 。作者也 提供了一个 大规模的无人机捕获数据集VisDrone ，其中包括四个track，即 (1)图像目标检测，(2)视频目标检测，(3)单目标跟踪，(4)多目标跟踪 。 对每一个track进行了详细得说明，并强调 VisDrone是迄今为止发布的最大的此类数据集，可以在无人机平台上对视觉分析算法进行广泛的评估和研究
在这里插入图片描述

【CV数据集】Visdrone2019无人机目标检测数据集（YOLO、VOC、COCO格式）
weixin_44184852的博客
05-01 1074
visdrone2019的Task1是非常通用的目标检测数据集，也是许多人做目标检测论文和项目必然会用到的数据集，我将该数据集进行了处理，将其YOLO、VOC和COCO格式都整理好，通过下载我整理好的数据集和相关文件，可以直接在自己的项目上使用，大大节约数据集预处理的时间。链接: https://pan.baidu.com/s/1GlbUEU7XKtgBkoMa0GkUlg?pwd=8ndf 提取码: 8ndf。通过网盘分享的文件：Visdrone2019.rar。–来自百度网盘超级会员v7的分享。
基于YOLOv11训练无人机视角Visdrone2019数据集
最新发布
qq_40725313的博客
08-26 1519
VisDrone 数据集 是由中国天津大学机器学习和数据挖掘实验室 AISKYEYE 团队创建的大规模基准。它包含用于与无人机图像和视频分析相关的各种计算机视觉任务的，经过仔细标注的真实数据。VisDrone 由 288 个视频片段（包含 261,908 帧）和 10,209 张静态图像组成，这些数据由各种无人机载摄像头拍摄。该数据集涵盖了广泛的方面，包括地点（中国 14 个不同的城市）、环境（城市和乡村）、物体（行人、车辆、自行车等）和密度（稀疏和拥挤的场景）。
目标检测数据集——无人机视觉VisDrone数据集
笑脸惹桃花的博客
04-08 4236
无人机视觉VisDrone数据集，处理好的jpg+xml+txt数据集，直接可用。
VisDrone数据集，专为无人机视觉任务打造
Coovally_AI的博客
08-14 968
然而，当计算机视觉模型从地面“抬头”望向无人机视角时，迎接它的却是截然不同的挑战：目标更小、分布更密集、背景变化更复杂。随着配备高清摄像头的无人机在智慧农业、航拍摄影、快速物流、智慧安防等领域的广泛应用，自动化理解无人机采集的海量视觉数据变得至关重要。地面视角的数据集虽已汗牛充栋，但专为“上帝视角”量身定制的优质数据集，才是攻克这些难题的关键。如果你正在寻找一个能真实反映无人机视角下目标检测与跟踪挑战的数据集，或是希望验证算法在复杂多变环境下的鲁棒性，VisDrone无疑是您深入探索和实践的优选！
【超详细】基于YOLOv8训练无人机视角Visdrone2019数据集
热门推荐
weixin_45679938的博客
09-22 2万+
VisDrone数据集是由天津大学等团队开源的一个大型无人机视角的数据集，官方提供的数据中训练集是6471、验证集是548、测试集1610张。数据集共提供了以下12个类，分别是：‘忽略区域’, ‘pedestrian’, ‘people’, ‘bicycle’, ‘car’, ‘van’,‘truck’, ‘tricycle’, ‘awning-tricycle’, ‘bus’, ‘motor’, ‘others’，其中忽略区域、others是非有效目标区域，本项目中予以忽略；
YOLOv5 提升小目标识别能力 解决VisDrone2019数据集
weixin_42001184的博客
09-16 6915
YOLOv5增加一些tricks技巧去提升它的小目标检测能力，进而在VisDrone无人机拍摄的这个数据集上达到更好的效果
使用visDrone数据集训练yolov5检测器
白起
05-08 1万+
yolov5目标检测具备一定的小目标检测能力，但由于参与训练的coco数据集缺少小目标素材，故检测小目标有局限。本文利用无人机采集的小目标数据集，对yolov5权重文件进行再训练，提高小目标检测能力。本文仅记录跑通训练的过程，得到一些启示，没有尝试训练整个数据集。 使用visDrone无人机小目标数据集训练yolov5检测器比较 上图用未训练的yolov5s.pt，下图用经过训练的best.pt权重。 可以看出两种检测的区别，其中visDrone训练图片用了其中69张，epoch=100,简单训练已初见
Visdrone2019数据集
weixin_42569775的博客
12-30 1462
生成VOC数据集格式代码。
【目标检测】VisDrone数据集介绍
wzk4869的博客
11-23 2万+
【目标检测】VisDrone数据集介绍
数据集 VisDrone-Dataset 无人机检测跟踪数据集 ＞＞ DataBall
DATABALL 的博客
09-13 1243
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。
俯视场景下小汽车目标检测数据集-part1 visdrone_car_train.rar
05-02
1、俯视场景下小汽车目标检测数据集，太大了，分为两部分，用于小汽车检测，标签格式为txt和xml两种。可以用于YOLO小汽车检测 2、一个类别，类别名为 car 3、数据参考和检测结果展示：...
无人机目标检测与跟踪数据集（UAVDT）
11-23
UAVDT是一个具有大规模的挑战性的无人机检测和跟踪基准（即10小时原始视频中约8万帧的代表性帧），用于3项重要的基本任务，即目标检测（DET）、单目标跟踪（SOT）和多目标跟踪（MOT）。 数据集由无人机在各种复杂场景中捕获。本基准中关注的对象是车辆。使用边界框和一些有用的属性（例如，车辆类别和遮挡）对帧进行手动注释。 UAVDT基准由100个视频序列组成，这些视频序列是从城市地区多个地点的UAV平台拍摄的超过10小时的视频中选择的，代表各种常见场景，包括广场、主干道、收费站、高速公路、交叉口和T形交叉口。视频以每秒30帧（fps）的速度录制，JPEG图像分辨率为1080×540像素。 该数据集包含的是原始图片，不包括注释 参考： D. Du, Y. Qi, H.g Yu, Y. Yang, K. Duan, G. Li, W.g Zhang, Q. Huang, Q. Tian, " The Unmanned Aerial Vehicle Benchmark:
目标检测无人机数据集（一）drone-data-1.zip
10-12
目标检测 ，无人机数据集5000多张，目标小，类别名为drone ,标签格式为YOLO格式和voc格式两种，即txt格式和xml格式
无人机数据-目标检测-多目标跟踪-空中小目标检测-drone_ROI_high_416.zip
11-13
无人机目标检测和跟踪数据集，近一万张，每张图片都是从高分辨率图片中切割出来的，都被切割成了416x416大小，类别名为drone,小目标，标签为txt格式和xml格式，可直接用于YOLO目标检测
drone无人机数据集，用于目标检测和跟踪drone-AI_make.zip
11-12
drone无人机数据集，用于目标检测和跟踪，3300多张，目标包含大中小各种尺度的无人机，类别名drone，标签格式为txt,和xml两种，可直接用于YOLO目标检测和deepsort 目标跟踪等等
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-农场中农业机械目标检测数据集-yolo-2.zip
08-12
2000多张YOLO无人机俯视视角下农场中的车辆，农机，行人检测数据集dataset2，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型， ...
VisDrone-农场中农业机械目标检测数据集-yolo-1.zip
08-12
1000多张YOLO无人机俯视视角下农场中的车辆，农机，行人检测数据集dataset1，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型， ...
深度学习领域YOLOV8算法目标检测无人机检测（带数据集）
05-27
深度学习领域YOLOV8算法目标检测无人机检测（带数据集） 用于无人机识别。包含源码和数据集，python语言，可以作为参考。 有数据集很好运行，主页有搭建环境过程。主页有更多源码。 含两个数据集，数据集描述如下 ...
原始VisDrone类别从0开始还是1开始
03-18
<think>好的，我现在需要解决用户关于VisDrone数据集类别索引起始值的问题。用户想知道索引是从0还是1开始。首先，我应该回忆一下VisDrone数据集的结构和相关文档。 VisDrone数据集通常使用YOLO格式的标注，而YOLO的类别索引通常是从0开始的。不过用户提到他们参考了转换到COCO格式的脚本，比如visdrone2coco.py。COCO数据集的类别索引是从1开始的，所以转换脚本可能需要调整索引。例如，在将YOLO格式（0起始）转换为COCO格式（1起始）时，索引会加1。这可能导致混淆，需要检查具体的转换脚本如何处理类别。 查看用户提供的引用[2]，其中提到了visdrone2coco.py脚本。这个脚本可能负责将原始VisDrone标注转换为COCO格式。通常，在转换过程中，如果原始数据集的索引是0，脚本可能会在转换时加1，以符合COCO的标准。因此，原始VisDrone的类别索引应该是从0开始的，而转换后的COCO格式则从1开始。 另外，用户提到的另一个脚本yolo2coco.py可能也遵循类似的逻辑。需要确认VisDrone原始标注文件的内容，比如查看一个标注文件的例子，里面的类别数字是0还是1开头。假设有一个标注文件中的类别标注为0，那么原始索引就是0起始。 总结来说，VisDrone的原始类别索引可能从0开始，而转换到COCO格式后调整为1起始。需要提醒用户根据具体使用的格式确认索引起始值，并检查转换脚本的处理方式。</think>VisDrone数据集的类别索引在原始标注中通常**从0开始计数**，这与YOLO格式的标注规范一致。但需注意以下关键点： 1. **原始VisDrone标注格式** - 标注文件使用.txt格式，每行表示一个对象，格式为： `[class_id] [x_center] [y_center] [width] [height]` 这里的`class_id`索引范围是$0 \sim 10$（共11个类别） 2. **COCO格式转换时的调整** - 在通过`visdrone2coco.py`等脚本转换时，索引会被+1处理以适应COCO格式要求（COCO类别索引从1开始）[^2] - 转换后的COCO JSON文件中，`category_id`范围变为$1 \sim 11$ 3. **验证方法** ```python # 查看任意一个原始标注文件（如XXX.txt） with open("annotations/XXX.txt") as f: print(f.readline()) # 示例输出："0 0.435 0.556 0.023 0.034" ``` 其中第一个数字即为类别索引
评论
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

打赏作者

橙黄橘绿时_Eden

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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