1. 项目概述
今天要分享的是一个专门用于无人机红外视角下目标检测的数据集,以及基于YOLOv5和YOLOv8的预训练模型。这个数据集包含了2371张经过专业标注的红外图像,主要针对四种常见目标:车辆、摩托车、行人和卡车。在实际应用中,这类数据集对于夜间监控、搜救任务、安防巡逻等场景具有重要价值。
数据集已经按照2071:196:104的比例划分好了训练集、验证集和测试集,开箱即用。我们还提供了两个预训练模型:一个是基于YOLOv5s的模型,mAP达到0.827;另一个是基于YOLOv8n的模型,mAP为0.790。这两个模型都已经训练了100轮,可以直接用于推理或作为迁移学习的基础。
提示:红外图像与可见光图像在特征表现上有显著差异,这使得专门的红外数据集对于训练高性能检测模型至关重要。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集详解
2.1 数据集构成与特点
这个无人机红外视角数据集包含2371张高质量标注图像,每张图像都配有YOLO格式的标注文件(.txt)。数据集的独特之处在于:
-
视角特性:所有图像都是从无人机俯视角度拍摄,这与地面视角的检测任务有很大不同。无人机视角下,目标的尺寸、角度和遮挡情况都有其特殊性。
-
红外特性:不同于常规RGB图像,红外图像只反映物体的热辐射特征。这意味着:
- 目标轮廓可能不如可见光图像清晰
- 纹理细节较少
- 热源物体(如发动机部位)会特别明显
- 不受光照条件影响,适合夜间应用
-
类别分布:
- Car(车辆):占比约45%
- Motorbike(摩托车):占比约20%
- Person(行人):占比约25%
- Truck(卡车):占比约10%
2.2 数据划分与标注质量
数据集已经做好了标准划分:
- 训练集:2071张(87.3%)
- 验证集:196张(8.3%)
- 测试集:104张(4.4%)
这种划分比例遵循了机器学习领域的常见做法,既保证了充足的训练数据,又确保了验证和测试的有效性。标注采用YOLO格式的txt文件,每个文件包含对应图像中所有目标的标注信息,格式为:
code复制<class_id> <x_center> <y_center> <width> <height>
所有坐标值
