小目标无人机、飞机、直升机检测数据集 | 小目标检测无人机检测空中目标识别低空安防反无人机9090期

数据集概述

本数据集专注于低空场景下的空中目标检测，涵盖无人机、固定翼飞机与直升机三类典型飞行器。数据面向小目标检测任务，适用于反无人机安防、低空监控及航空目标识别等应用。

数据集核心信息

数据要素	详细说明
类别	共 3 类：`固定翼飞机`、`无人机`、`直升机`
数量	11998 张图像
格式	图像为 JPG/PNG（分辨率 512×512 ）；同时提供 YOLO 与 VOC 两种标注格式
数据划分	训练集 10799 张，验证集 603 张，测试集 596 张
应用价值	1. 低空安防：支撑机场、监狱、重要设施周边的空中目标入侵检测与预警。 2. 反无人机系统：识别违规升空飞行器，为反制决策提供视觉依据。 3. 航空目标识别：辅助区分不同类型的空中飞行器，提升空域态势感知能力。 4. 算法研发：为小目标检测、复杂背景目标识别等视觉任务提供标准化训练与评测数据。

完整类别列表（共3类）

序号	英文名称	中文释义	含该类图像数量	标注框总数
1	AirPlane	固定翼飞机	2535	2535
2	Drone	无人机	4728	4812
3	Helicopter	直升机	2523	2628

数据三要素解析

类别与目标覆盖

数据集定义 3 类典型空中目标：固定翼飞机 、无人机 、直升机，覆盖了低空监测场景中最常见的飞行器类型。
类别设置兼顾了军事/民用航空器与消费级无人机，具有较强的安防应用导向。
无人机（Drone）类别样本最多（4728张），反映了当前低空安防中无人机威胁的突出地位。

数据规模与性能

图像总量约 11998 张，规模充足，能支撑小目标检测模型的稳健训练。
图像统一尺寸为 512×512，减少预处理工作量，适配小目标检测任务。
公开的模型性能指标显示：整体 mAP@0.5 达 0.954，其中固定翼飞机（0.982）与直升机（0.983）表现最优，无人机（0.897）在复杂背景下仍具备可靠识别能力。

格式与配套资源

同时提供 YOLO 与 VOC 双格式标注，无需额外转换即可适配不同算法框架。
附赠 YOLOv8s 完整训练代码 与 air_target.yaml 配置文件，用户可直接运行。
提供 图像/视频推理代码，支持图片、视频及摄像头实时检测。
训练建议：适配512×512小目标输入尺寸，开启数据增强，使用AMP混合精度训练。

知识普及：小目标空中检测的技术要点

小目标挑战：无人机、远距离飞机等目标在图像中像素占比极小（可能仅占图像面积的0.1%以下），常规检测模型易漏检。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。
类间区分：飞机与直升机在远距离时形态相似，无人机与鸟类也可能混淆。模型需依赖轮廓、旋翼特征、运动模式等进行区分。
背景干扰：天空、云层、建筑、树木等背景以及逆光、雨雾等天气条件会影响检测效果。数据增强（如色彩抖动、模糊模拟）有助于提升模型鲁棒性。
部署场景 ：低空安防系统对实时性要求高，轻量化模型（如YOLOv8s）结合TensorRT加速是边缘部署的常见方案。

快速开始（代码示例）

1. 准备配置文件 (air_target.yaml)

yaml 复制代码

path: ./air_target_dataset
train: images/train
val: images/val
test: images/test
nc: 3
names: ['AirPlane', 'Drone', 'Helicopter']

2. 启动 YOLOv8s 训练

python 复制代码

from ultralytics import YOLO

model = YOLO("yolov8s.pt")
train_results = model.train(
    data="./air_target_dataset/air_target.yaml",
    epochs=100,
    imgsz=512,
    batch=16,
    device=0,
    workers=4,
    patience=15,
    lr0=0.001,
    augment=True,
    project="runs/train",
    name="air_target_detect"
)
# 测试集评估
metrics = model.val(split="test")
print(f"整体mAP@50: {metrics.box.map50:.4f}")

3. 模型推理

python 复制代码

from ultralytics import YOLO
import cv2

model = YOLO("runs/train/air_target_detect/weights/best.pt")
results = model.predict(source="test_air_target.jpg", conf=0.25, iou=0.45, save=True)
for res in results:
    frame = res.plot()
    cv2.imshow("Air Target Detection", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cv2.destroyAllWindows()

小目标无人机、飞机、直升机检测数据集 | 小目标检测 无人机检测 空中目标识别 低空安防 反无人机9090期

小目标无人机、飞机、直升机检测数据集 | 小目标检测 无人机检测 空中目标识别 低空安防 反无人机9090期

数据集概述

数据集核心信息

完整类别列表（共3类）

数据三要素解析

知识普及：小目标空中检测的技术要点

快速开始（代码示例）

标签

小目标无人机、飞机、直升机检测数据集 | 小目标检测无人机检测空中目标识别低空安防反无人机9090期

小目标无人机、飞机、直升机检测数据集 | 小目标检测无人机检测空中目标识别低空安防反无人机9090期