Conjunto de dados VisDrone#

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

O conjunto de dados VisDrone é um benchmark de grande escala de imagens captadas por drones, cujo subconjunto de deteção (VisDrone2019-DET) fornece 8.629 imagens aéreas — 6.471 para treino, 548 para validação e 1.610 para test-dev — anotadas com 10 classes de objetos para deteção de objetos. Foi criado pela equipa AISKYEYE do Laboratório de Aprendizagem Automática e Mineração de Dados da Universidade de Tianjin, na China.

O benchmark VisDrone completo é composto por 288 clips de vídeo (261.908 frames) e 10.209 imagens estáticas captadas por câmaras montadas em drones em 14 cidades diferentes da China, abrangendo ambientes urbanos e rurais, cenários esparsos e movimentados e condições meteorológicas e de iluminação variadas. Os seus frames contêm mais de 2,6 milhões de caixas delimitadoras anotadas manualmente, com atributos adicionais como visibilidade da cena, classe do objeto e oclusão. A configuração VisDrone.yaml da Ultralytics utiliza o subconjunto de imagens estáticas VisDrone2019-DET deste benchmark.

Principais funcionalidades#

• Objetos pequenos e densos: As perspetivas aéreas tornam os alvos pequenos e aglomerados — só as 548 imagens de validação contêm 38.759 caixas identificadas, uma média de cerca de 70 objetos por imagem.
• Diversidade de cenas: Imagens de 14 cidades chinesas que abrangem zonas urbanas e rurais, dia e noite e diferentes condições meteorológicas.
• Anotações detalhadas: Mais de 2,6 milhões de caixas em todo o benchmark, com atributos de oclusão e visibilidade.
• Divisões predefinidas: Divisões fixas de treino / validação / test-dev (6.471 / 548 / 1.610 imagens) para uma avaliação consistente.

Estrutura do Conjunto de Dados#

A configuração VisDrone da Ultralytics abrange o subconjunto de imagens VisDrone2019-DET, dividido em três partes:

Uma quarta divisão, test-challenge (1.580 imagens), é reservada para a competição VisDrone e não é descarregada, razão pela qual o conjunto DET completo totaliza 10.209 imagens.

O conjunto de dados contém anotações de 10 classes de objetos: pedestrian, people, bicycle, car, van, truck, tricycle, awning-tricycle, bus e motor. O VisDrone distingue pedestrian (uma pessoa de pé ou a caminhar) de people (uma pessoa em qualquer outra postura).

Aplicações#

As cenas densas e os alvos pequenos do VisDrone fazem dele um benchmark padrão para deteção de objetos pequenos a partir de perspetivas aéreas. As aplicações comuns incluem:

• Monitorização do tráfego e contagem de veículos a partir de UAVs
• Análise de multidões e vigilância para a segurança pública
• Inspeção de infraestruturas e de estaleiros de construção
• Investigação em visão computacional sobre a deteção de objetos pequenos em cenas desorganizadas

Para conhecer outros benchmarks de imagens aéreas, consulta o conjunto de dados xView, focado em imagens de satélite, ou o conjunto de dados DOTA-v2, com caixas orientadas.

YAML do Conjunto de Dados#

O ficheiro VisDrone.yaml define a configuração do conjunto de dados — os caminhos dos dados, os nomes das classes e o script automático de descarga e conversão. É mantido no repositório da Ultralytics em 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

Utilização#

Para treinar um modelo YOLO26n no conjunto de dados VisDrone durante 100 épocas, com um tamanho de imagem de 640, podes utilizar os seguintes trechos de código. Para consultar uma lista completa dos argumentos disponíveis, consulta a página de Treino do modelo.

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)

Para anotar imagens aéreas adicionais e gerir execuções de treino do VisDrone no teu navegador, utiliza a Ultralytics Platform.

Dados e anotações de exemplo#

O exemplo abaixo mostra uma cena típica do VisDrone: uma perspetiva aérea sobre uma estrada movimentada, onde peões e veículos aparecem como alvos pequenos e densamente agrupados, muitos parcialmente ocultos uns pelos outros.

Citações e agradecimentos#

Se utilizares o conjunto de dados VisDrone no teu trabalho de investigação ou desenvolvimento, cita o seguinte artigo:

@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}}

Gostaríamos de agradecer à equipa AISKYEYE do Laboratório de Aprendizagem Automática e Mineração de Dados da Universidade de Tianjin, na China, por criar e manter o conjunto de dados VisDrone. Para obteres mais informações, visita o repositório do conjunto de dados VisDrone no GitHub.

Perguntas frequentes#