VisDrone-Datensatz#

8,626

VisDrone

ultralytics

publicDetect

VisDrone2019-DET is Tianjin University's drone-view detection benchmark with dense boxes across ten pedestrian and vehicle classes. Aerial scenes span varied altitudes, viewpoints, crowding, occlusion, scale, lighting, and urban environments for small-object recognition.

510 classes2.7 GBSep 2, 2026

pedestrianpeoplebicyclecar+6

object-detectionvisdroneaerial+2

Der VisDrone-Datensatz ist ein groß angelegter Benchmark für Drohnenaufnahmen, dessen Teilmenge zur Objekterkennung (VisDrone2019-DET) 8.629 Luftbilder umfasst – 6.471 für das Training, 548 für die Validierung und 1.610 für Test-Dev –, die mit 10 Objektklassen für die Objekterkennung annotiert sind. Er wurde vom AISKYEYE-Team am Lab of Machine Learning and Data Mining der Tianjin-Universität in China erstellt.

Der vollständige VisDrone-Benchmark umfasst 288 Videoclips (261.908 Einzelbilder) und 10.209 statische Bilder, die von drohnenmontierten Kameras in 14 verschiedenen Städten in China aufgenommen wurden. Dabei werden städtische und ländliche Umgebungen, spärlich und dicht besiedelte Szenen sowie unterschiedliche Wetter- und Lichtbedingungen abgedeckt. Die Einzelbilder enthalten über 2,6 Millionen manuell annotierte Begrenzungsrahmen mit zusätzlichen Attributen wie Sichtbarkeit der Szene, Objektklasse und Verdeckung. Die Konfiguration VisDrone.yaml von Ultralytics verwendet die Teilmenge der statischen Bilder VisDrone2019-DET dieses Benchmarks.

Wichtige Funktionen#

• Kleine, dicht angeordnete Objekte: Luftaufnahmen machen die Ziele klein und dicht gedrängt – allein die 548 Validierungsbilder enthalten 38.759 annotierte Rahmen, also durchschnittlich etwa 70 Objekte pro Bild.
• Szenenvielfalt: Aufnahmen aus 14 chinesischen Städten, die städtische und ländliche Gebiete, Tag und Nacht sowie unterschiedliche Wetterbedingungen abdecken.
• Umfangreiche Annotationen: Über 2,6 Millionen Rahmen im gesamten Benchmark mit Attributen zu Verdeckung und Sichtbarkeit.
• Vordefinierte Aufteilungen: Feste Aufteilungen in Training, Validierung und Test-Dev (6.471 / 548 / 1.610 Bilder) für eine konsistente Evaluierung.

Datensatzstruktur#

Die VisDrone-Konfiguration von Ultralytics umfasst die Bildteilmenge VisDrone2019-DET, die in drei Teile aufgeteilt ist:

Eine vierte Aufteilung, Test-Challenge (1.580 Bilder), wird für den VisDrone-Wettbewerb zurückgehalten und nicht heruntergeladen. Daher umfasst der vollständige DET-Datensatz insgesamt 10.209 Bilder.

Der Datensatz annotiert 10 Objektklassen: Fußgänger, Personen, Fahrrad, Auto, Kleintransporter, Lastwagen, Dreirad, Dreirad mit Markise, Bus und Motorrad. VisDrone unterscheidet zwischen Fußgängern (einer stehenden oder gehenden Person) und Personen (einer Person in jeder anderen Körperhaltung).

Anwendungen#

Die dichten Szenen und kleinen Ziele von VisDrone machen den Datensatz zu einem Standardbenchmark für die Erkennung kleiner Objekte aus der Luft. Häufige Anwendungsbereiche sind:

• Verkehrsüberwachung und Fahrzeugzählung mit UAVs
• Analyse von Menschenmengen und Überwachung zur öffentlichen Sicherheit
• Inspektion von Infrastruktur und Baustellen
• Forschung im Bereich Computer Vision zur Erkennung kleiner Objekte in unübersichtlichen Szenen

Weitere Benchmarks für Luftaufnahmen findest du im satellitenorientierten xView-Datensatz oder im Datensatz DOTA-v2 für orientierte Rahmen.

Dataset-YAML#

Die Datei VisDrone.yaml definiert die Datensatzkonfiguration – die Pfade zum Datensatz, die Klassennamen und das automatische Skript zum Herunterladen und Konvertieren. Sie wird im Ultralytics-Repository unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VisDrone.yaml gepflegt.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# VisDrone2019-DET dataset https://github.com/VisDrone/VisDrone-Dataset by Tianjin University
# Documentation: https://docs.ultralytics.com/datasets/detect/visdrone
# Example usage: yolo train data=VisDrone.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── VisDrone ← downloads here (~2 GB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: VisDrone # dataset root dir
train: images/train # train images (relative to 'path') 6471 images
val: images/val # val images (relative to 'path') 548 images
test: images/test # test-dev images (optional) 1610 images

# Classes
names:
  0: pedestrian
  1: people
  2: bicycle
  3: car
  4: van
  5: truck
  6: tricycle
  7: awning-tricycle
  8: bus
  9: motor

# Download script/URL (optional) ---------------------------------------------------------------------------------------
download: |
  import os
  from pathlib import Path
  import shutil

  from ultralytics.utils.downloads import download
  from ultralytics.utils import ASSETS_URL, TQDM

  def visdrone2yolo(dir, split, source_name=None):
      """Convert VisDrone annotations to YOLO format with images/{split} and labels/{split} structure."""
      from PIL import Image

      source_dir = dir / (source_name or f"VisDrone2019-DET-{split}")
      images_dir = dir / "images" / split
      labels_dir = dir / "labels" / split
      labels_dir.mkdir(parents=True, exist_ok=True)

      # Move images to new structure
      if (source_images_dir := source_dir / "images").exists():
          images_dir.mkdir(parents=True, exist_ok=True)
          for img in source_images_dir.glob("*.jpg"):
              img.rename(images_dir / img.name)

      for f in TQDM((source_dir / "annotations").glob("*.txt"), desc=f"Converting {split}"):
          img_size = Image.open(images_dir / f.with_suffix(".jpg").name).size
          dw, dh = 1.0 / img_size[0], 1.0 / img_size[1]
          lines = []

          with open(f, encoding="utf-8") as file:
              for row in [x.split(",") for x in file.read().strip().splitlines()]:
                  if row[4] != "0":  # Skip ignored regions
                      x, y, w, h = map(int, row[:4])
                      cls = int(row[5]) - 1
                      # Convert to YOLO format
                      x_center, y_center = (x + w / 2) * dw, (y + h / 2) * dh
                      w_norm, h_norm = w * dw, h * dh
                      lines.append(f"{cls} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}\n")

          (labels_dir / f.name).write_text("".join(lines), encoding="utf-8")

  # Download (ignores test-challenge split)
  dir = Path(yaml["path"])  # dataset root dir
  urls = [
      f"{ASSETS_URL}/VisDrone2019-DET-train.zip",
      f"{ASSETS_URL}/VisDrone2019-DET-val.zip",
      f"{ASSETS_URL}/VisDrone2019-DET-test-dev.zip",
      # f"{ASSETS_URL}/VisDrone2019-DET-test-challenge.zip",
  ]
  download(urls, dir=dir, threads=4)

  # Convert
  splits = {"VisDrone2019-DET-train": "train", "VisDrone2019-DET-val": "val", "VisDrone2019-DET-test-dev": "test"}
  for folder, split in splits.items():
      visdrone2yolo(dir, split, folder)  # convert VisDrone annotations to YOLO labels
      shutil.rmtree(dir / folder)  # cleanup original directory

Verwendung#

Um ein YOLO26n-Modell 100 Epochen lang auf dem VisDrone-Datensatz mit einer Bildgröße von 640 zu trainieren, kannst du die folgenden Codeausschnitte verwenden. Eine vollständige Liste der verfügbaren Argumente findest du auf der Seite zum Training des Modells.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model - dataset will auto-download on first run
results = model.train(data="VisDrone.yaml", epochs=100, imgsz=640)

Um zusätzliche Luftbilder zu annotieren und VisDrone-Trainingsläufe in deinem Browser zu verwalten, verwende die Ultralytics Platform.

Beispieldaten und Annotationen#

Das folgende Beispiel zeigt eine typische VisDrone-Szene: eine Luftaufnahme einer stark befahrenen Straße, auf der Fußgänger und Fahrzeuge als kleine, dicht angeordnete Ziele erscheinen, die häufig teilweise voneinander verdeckt werden.

Zitate und Danksagungen#

Wenn du den VisDrone-Datensatz für deine Forschungs- oder Entwicklungsarbeit verwendest, zitiere bitte die folgende Publikation:

@ARTICLE{9573394,
  author={Zhu, Pengfei and Wen, Longyin and Du, Dawei and Bian, Xiao and Fan, Heng and Hu, Qinghua and Ling, Haibin},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  title={Detection and Tracking Meet Drones Challenge},
  year={2022},
  volume={44},
  number={11},
  pages={7380-7399},
  doi={10.1109/TPAMI.2021.3119563}}

Wir möchten dem AISKYEYE-Team am Lab of Machine Learning and Data Mining der Tianjin-Universität in China für die Erstellung und Pflege des VisDrone-Datensatzes danken. Weitere Informationen findest du im GitHub-Repository des VisDrone-Datensatzes.

FAQ#