VisDrone データセット

VisDrone Dataset は、中国天津大学のMachine Learning・データマイニング研究室の AISKYEYE チームによって作成された大規模なベンチマークです。ドローンによる画像およびビデオ分析に関連するさまざまなコンピュータビジョンのタスクに向けた、詳細にアノテーションされたグラウンドトゥルースデータが含まれています。

Watch: How to Train Ultralytics YOLO26 on the VisDrone Dataset | Aerial Detection | Complete Tutorial 🚀

VisDrone は、ドローン搭載カメラで撮影された261,908フレームの288個のビデオクリップと、10,209枚の静止画像で構成されています。このデータセットは、場所（中国各地の14都市）、環境（都市部や地方）、オブジェクト（歩行者、車両、自転車など）、密度（まばらなシーンや混雑したシーン）など、幅広い側面をカバーしています。このデータセットは、さまざまなドローンプラットフォームを使用して、多様なシナリオや気象・照明条件の下で収集されました。これらのフレームには、歩行者、車、自転車、三輪車などのターゲットに対する260万件以上のBBoxが手動でアノテーションされています。シーンの視認性、オブジェクトクラス、オクルージョンなどの属性も、データ活用の向上のために提供されています。

データセットの構造

VisDrone データセットは、特定のタスクに焦点を当てた5つの主要なサブセットで構成されています。

タスク 1: 画像内の物体検出
タスク 2: ビデオ内の物体検出
タスク 3: 単一オブジェクト追跡
タスク 4: Multi-object tracking（複数オブジェクト追跡）
タスク 5: 群衆カウント

アプリケーション

VisDrone データセットは、ドローンベースのcomputer visionタスク（物体検出、物体追跡、群衆カウントなど）におけるディープラーニングモデルのトレーニングと評価に広く使用されています。このデータセットの多様なセンサーデータ、オブジェクトアノテーション、および属性は、ドローンベースのコンピュータビジョン分野の研究者や実務者にとって貴重なリソースです。

データセットYAML

YAML（Yet Another Markup Language）ファイルは、データセットの設定を定義するために使用されます。ここには、データセットのパス、クラス、およびその他の関連情報が含まれます。VisDrone データセットの場合、VisDrone.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VisDrone.yaml で管理されています。

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 (2.3 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

使用方法

VisDrone データセットで YOLO26n モデルを画像サイズ640で100 epochs トレーニングするには、以下のコードスニペットを使用できます。利用可能な引数の詳細なリストについては、モデル Training ページを参照してください。

トレーニングの例

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)

サンプルデータとアノテーション

VisDrone データセットには、ドローン搭載カメラで撮影された多様な画像やビデオが含まれています。以下は、データセットからのデータの例と、それに対応するアノテーションです。

VisDrone データセットのドローンによる航空映像と物体検出

タスク 1: Object detection（画像内の物体検出） - この画像は、オブジェクトが bounding boxes でアノテーションされた画像内の物体検出の例を示しています。このデータセットは、このタスクに向けたモデルの開発を促進するために、さまざまな場所、環境、密度で撮影された多様な画像を提供しています。

この例は、VisDrone データセットのデータの多様性と複雑さを示しており、ドローンベースのコンピュータビジョンのタスクにおいて高品質なセンサーデータがいかに重要であるかを強調しています。

引用と謝辞

研究や開発作業で VisDrone データセットを使用する場合は、以下の論文を引用してください。

引用

@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={2021},
  volume={},
  number={},
  pages={1-1},
  doi={10.1109/TPAMI.2021.3119563}}

VisDrone データセットをドローンベースのコンピュータビジョン研究コミュニティにとって貴重なリソースとして作成および維持していただいた、中国天津大学の Machine Learning・Data Mining 研究室の AISKYEYE チームに感謝いたします。VisDrone データセットとその作成者の詳細については、VisDrone Dataset GitHub repository をご覧ください。

FAQ