Anti-UAV 可见光与红外无人机检测数据集| 反无人机 可见光红外 多模态检测 小目标检测 Anti-UAV9076期

Anti-UAV 可见光与红外无人机检测数据集| 反无人机 可见光红外 多模态检测 小目标检测 Anti-UAV9076期

数据集概述

本数据集源自 Anti-UAV Challenge 官方赛事数据 ,专注于可见光与红外双模态下的小型无人机检测 ,服务于反无人机系统、低空安防及多模态融合研究。两种模态图像逐帧时间严格对齐,是当前无人机视觉检测领域最具挑战性和代表性的基准数据集之一。

数据集核心信息

数据要素 详细说明
类别 共 1 类:无人机
数量 9516 张图像(单模态,可见光与红外各自独立统计)
模态 可见光(RGB)+ 红外(IR),两种模态时间严格对齐
格式 图像为 PNG/JPG;标签为 YOLO 格式的 txt 文件(水平边界框)
数据划分 训练集 5100 张,验证集 2200 张,测试集 2200 张(每模态相同)
应用价值 1. 反无人机安防 :支撑机场、体育赛事、政府机关等敏感区域的无人机入侵实时检测与预警。 2. 多模态融合 :时间对齐的RGB+IR图像适合像素级或特征级融合研究,提升复杂环境下的检测可靠性。 3. 小目标检测 :多数无人机占图像面积 < 0.5%,为小目标检测算法提供真实挑战性基准。 4. 边缘部署:适配无人机反制系统、安防监控等边缘设备的轻量化模型开发。

数据三要素解析

类别与场景特点

  • 数据集定义 1 个核心类别:无人机(drone),包含小型/微型无人机在悬停、飞行、远距离等多种状态下的样本。
  • 场景复杂多样,涵盖天空、建筑、树林、城市、郊区等背景,并包含运动模糊、低对比度、遮挡、远距离等挑战性条件。
  • 红外图像突出热特征,可见光图像依赖纹理与形状,两者互补性强。

数据规模与划分

  • 图像总量约 9516 张(单模态),训练集、验证集、测试集按 5100/2200/2200 划分,规模充足,能支撑高鲁棒性检测模型的训练与评估。
  • 图像分辨率保留原始比例(常见如1920×1080、1280×720),标签经人工校验,定位精准。
  • 性能指标显示:红外模态 mAP50-95 和可见光模态 mAP50-95如图 ,表明数据集具有较高的标注质量与挑战性。

格式与结构

  • 采用通用 YOLO 格式(txt),每张图像对应一个同名标签文件,包含类别 ID 与归一化边界框坐标,可直接接入 YOLOv5、YOLOv8 等主流检测框架。
  • 提供推荐目录结构 (visible/infrared 双文件夹,各含 images 与 labels 子目录)与 YOLO配置文件示例(antiuav.yaml),便于分别训练RGB或IR模型。

应用与扩展

  • 可扩展用于 多模态融合检测 (RGB+IR联合推理)、目标追踪 (结合视频时序信息)及 飞行意图预测。
  • 可迁移至 鸟类与无人机区分 等更细粒度的空域目标识别任务。
  • 数据可结合 边缘计算设备 ,构建低空安防实时预警系统。

知识普及:多模态无人机检测的技术价值

  • 可见光(RGB):白天光照充足时提供丰富的颜色与纹理信息,但在夜间、逆光、雾霾条件下性能显著下降。
  • 红外(IR):依赖物体自身热辐射成像,不受光照影响,在夜间、烟雾环境下仍可有效工作,但分辨率较低、纹理细节少。
  • 融合优势:将两者结合(如早期融合或特征级融合),可在各类环境条件下保持稳定的检测能力,是反无人机系统实现全天候感知的关键技术路径。
  • 小目标挑战:无人机目标像素占比极低,需采用高分辨率输入、多尺度特征融合或专门的小目标检测头提升召回率。

快速开始(代码示例)

1. 准备配置文件 (antiuav.yaml)

yaml 复制代码
# 适用于可见光或红外任一模态
path: ./AntiUAV_Dataset/visible    # 或 ./infrared
train: images/train
val: images/val
test: images/test
nc: 1
names: ['drone']

2. 启动训练

python 复制代码
from ultralytics import YOLO

model = YOLO("yolov8m.pt")
model.train(
    data="antiuav.yaml",
    epochs=100,
    imgsz=1280,  # 高分辨率输入有助于小目标检测
    batch=8,
    device=0
)

3. 多模态融合提示:可分别训练RGB与IR模型,再通过决策级融合(如加权框融合)或特征级融合网络提升整体性能。

标签

反无人机 可见光红外 多模态检测 小目标检测 Anti-UAV 目标检测 YOLO格式 深度学习数据集 计算机视觉

相关推荐
chh5637 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval7 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi8 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿8 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方8 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI9 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP9 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷9 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
罗西的思考9 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI10 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具