Link to this sectionDataset VisDrone#

Il VisDrone Dataset è un benchmark di immagini da drone su larga scala il cui sottoinsieme di rilevamento (VisDrone2019-DET) fornisce 8.629 immagini aeree — 6.471 di addestramento, 548 di validazione e 1.610 di test-dev — annotate con 10 classi di oggetti per l'object detection. È stato creato dal team AISKYEYE presso il laboratorio di Machine Learning e Data Mining della Tianjin University, in Cina.

Il benchmark completo VisDrone comprende 288 video clip (261.908 fotogrammi) e 10.209 immagini statiche catturate da telecamere montate su droni in 14 diverse città della Cina, spaziando tra ambienti urbani e rurali, scene sparse e affollate e condizioni meteorologiche e di luce variabili. I suoi fotogrammi contengono oltre 2,6 milioni di bounding boxes annotate manualmente, con attributi aggiuntivi come visibilità della scena, classe dell'oggetto e occlusione. La configurazione Ultralytics VisDrone.yaml utilizza il sottoinsieme di immagini statiche VisDrone2019-DET di questo benchmark.

Link to this sectionCaratteristiche principali#

• Oggetti piccoli e densi: I punti di vista aerei rendono i bersagli minuscoli e affollati — le sole 548 immagini di validazione contengono 38.759 box etichettate, una media di circa 70 oggetti per immagine.
• Diversità delle scene: Immagini provenienti da 14 città cinesi che coprono località urbane e rurali, giorno e notte, e diverse condizioni meteorologiche.
• Annotazioni ricche: Oltre 2,6 milioni di box sull'intero benchmark, con attributi di occlusione e visibilità.
• Split predefiniti: Split fissi di train / val / test-dev (6.471 / 548 / 1.610 immagini) per una valutazione coerente.

Link to this sectionStruttura del dataset#

La configurazione Ultralytics VisDrone copre il sottoinsieme di immagini VisDrone2019-DET, suddiviso in tre parti:

Un quarto split, test-challenge (1.580 immagini), è riservato alla competizione VisDrone e non viene scaricato, motivo per cui l'intero set DET totalizza 10.209 immagini.

Il dataset annota 10 classi di oggetti: pedestrian, people, bicycle, car, van, truck, tricycle, awning-tricycle, bus e motor. VisDrone distingue pedestrian (una persona in piedi o che cammina) da people (una persona in qualsiasi altra postura).

Link to this sectionApplicazioni#

Le scene dense e i bersagli minuscoli di VisDrone lo rendono un benchmark standard per il small-object detection da punti di vista aerei. Le applicazioni comuni includono:

• Monitoraggio del traffico e conteggio dei veicoli da UAV
• Analisi della folla e sorveglianza per la pubblica sicurezza
• Ispezione di infrastrutture e cantieri edili
• Ricerca di Computer vision sul rilevamento di piccoli oggetti in scene ingombre

Per altri benchmark di immagini aeree, consulta il dataset xView focalizzato sui satelliti o il dataset DOTA-v2 a box orientate.

Link to this sectionDataset YAML#

Il file VisDrone.yaml definisce la configurazione del dataset: i percorsi del dataset, i nomi delle classi e lo script automatico di download e conversione. È mantenuto nel repository di Ultralytics all'indirizzo https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VisDrone.yaml.

# 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

Link to this sectionUtilizzo#

Per addestrare un modello YOLO26n sul dataset VisDrone per 100 epochs con una dimensione dell'immagine di 640, puoi utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, fai riferimento alla pagina di Training del modello.

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)

Per etichettare ulteriori immagini aeree e gestire le esecuzioni di addestramento su VisDrone nel tuo browser, utilizza la Ultralytics Platform.

Link to this sectionDati di esempio e annotazioni#

L'esempio qui sotto mostra una tipica scena VisDrone: un punto di vista aereo sopra una strada trafficata dove pedoni e veicoli appaiono come bersagli piccoli e densamente raggruppati, molti parzialmente occlusi l'uno dall'altro.

Link to this sectionCitazioni e riconoscimenti#

Se utilizzi il dataset VisDrone nel tuo lavoro di ricerca o sviluppo, cita il seguente articolo:

@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}}

Desideriamo ringraziare il team AISKYEYE presso il laboratorio di Machine Learning e Data Mining della Tianjin University, Cina, per aver creato e mantenuto il dataset VisDrone. Per maggiori informazioni, visita il repository GitHub del VisDrone Dataset.

Link to this sectionFAQ#

Link to this sectionA cosa serve il dataset VisDrone?#

VisDrone viene utilizzato per addestrare e sottoporre a benchmark rilevatori su immagini catturate da droni, dove gli oggetti sono piccoli, densi e visti dall'alto. La sua combinazione di punti di vista aerei, scene affollate e condizioni variabili lo rende un banco di prova standard per il monitoraggio del traffico tramite UAV, l'analisi della folla e la ricerca sul rilevamento di piccoli oggetti.

Link to this sectionQuante immagini e classi contiene VisDrone?#

La configurazione Ultralytics VisDrone contiene 8.629 immagini: 6.471 per l'addestramento, 548 per la validazione e 1.610 per il test (test-dev). Tutti gli split condividono le stesse 10 classi: pedestrian, people, bicycle, car, van, truck, tricycle, awning-tricycle, bus e motor. Vedi Dataset Structure per la suddivisione completa.

Link to this sectionCome posso scaricare il dataset VisDrone?#

VisDrone si scarica automaticamente la prima volta che effettui un addestramento con data="VisDrone.yaml" — non sono richiesti passaggi manuali. Lo script recupera tre archivi (circa 2 GB) dagli asset delle release GitHub di Ultralytics e converte le annotazioni nel formato YOLO. Lo split test-challenge riservato per la competizione non è incluso.

Link to this sectionCome faccio ad addestrare un modello YOLO26 sul dataset VisDrone?#

Addestra un modello YOLO26n su VisDrone per 100 epoche con una dimensione dell'immagine di 640:

from ultralytics import YOLO

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

# Train the model
results = model.train(data="VisDrone.yaml", epochs=100, imgsz=640)

Per configurazioni dettagliate, consulta la pagina Training e i consigli per l'addestramento del modello.

Link to this sectionPerché VisDrone è difficile per i rilevatori di oggetti e come posso migliorare l'accuratezza?#

Gli oggetti in VisDrone sono minuscoli rispetto al fotogramma — spesso solo poche decine di pixel — e appaiono in gruppi densi e pesantemente occlusi, il che mette a dura prova i rilevatori ottimizzati su foto scattate da terra. Addestrare e prevedere a una risoluzione più elevata (ad esempio imgsz=1280 con un batch più piccolo) permette di recuperare piccoli bersagli, e l'SAHI tiled inference suddivide immagini grandi in modo che gli oggetti piccoli occupino una porzione maggiore di ciascuna finestra di inferenza.

Link to this sectionQual è la differenza tra VisDrone-DET e il benchmark completo VisDrone?#

Il benchmark completo VisDrone copre cinque task — object detection in immagini, object detection in video, inseguimento di singolo oggetto, multi-object tracking e conteggio della folla — su 288 video clip e 10.209 immagini statiche. La configurazione Ultralytics VisDrone.yaml copre solo il task di rilevamento su immagini (VisDrone2019-DET), scaricando le sue 6.471 immagini di train, 548 di validazione e 1.610 di test-dev.

Link to this sectionCome posso citare VisDrone nella mia ricerca?#

Cita il documento "Detection and Tracking Meet Drones Challenge" (IEEE TPAMI, vol. 44, n. 11, 2022, DOI 10.1109/TPAMI.2021.3119563); la voce BibTeX completa si trova nella sezione Citations and Acknowledgments qui sopra.