Датасет 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

Датасет VisDrone — это масштабный бенчмарк аэрофотосъёмки, подмножество для детекции (VisDrone2019-DET) которого содержит 8 629 аэрофотографий — 6 471 для обучения, 548 для валидации и 1 610 для тестирования — с разметкой 10 классов объектов для детекции объектов. Он создан командой AISKYEYE из лаборатории машинного обучения и интеллектуального анализа данных Тяньцзиньского университета, Китай.

Полный бенчмарк VisDrone включает 288 видеоклипов (261 908 кадров) и 10 209 статичных изображений, снятых камерами на дронах в 14 разных городах Китая, в городских и сельских условиях, на разреженных и переполненных сценах, а также при различных погодных условиях и освещении. На его кадрах находится более 2,6 млн вручную размеченных ограничивающих рамок с дополнительными атрибутами, такими как видимость сцены, класс объекта и степень перекрытия. Конфигурация Ultralytics VisDrone.yaml использует подмножество статичных изображений VisDrone2019-DET из этого бенчмарка.

Ключевые особенности#

• Мелкие, плотно расположенные объекты: вид с воздуха делает цели крошечными и многочисленными — только на 548 валидационных изображениях содержится 38 759 размеченных рамок, в среднем около 70 объектов на изображение.
• Разнообразие сцен: изображения из 14 китайских городов, охватывающие городские и сельские местности, дневное и ночное время, а также различные погодные условия.
• Богатая разметка: более 2,6 млн рамок во всём бенчмарке с атрибутами перекрытия и видимости.
• Предварительно заданные разбиения: фиксированные разбиения train / val / test-dev (6 471 / 548 / 1 610 изображений) для согласованной оценки.

Структура датасета#

Конфигурация Ultralytics VisDrone охватывает подмножество изображений VisDrone2019-DET, разделённое на три части:

Четвёртое разбиение, test-challenge (1 580 изображений), предназначено для конкурса VisDrone и не скачивается, поэтому полный набор DET содержит 10 209 изображений.

В датасете размечено 10 классов объектов: pedestrian, people, bicycle, car, van, truck, tricycle, awning-tricycle, bus и motor. VisDrone различает pedestrian (стоящий или идущий человек) и people (человек в любой другой позе).

Применения#

Плотные сцены и крошечные цели VisDrone делают его стандартным бенчмарком для детекции мелких объектов с аэрофотографий. Распространённые применения включают:

• Мониторинг дорожного движения и подсчёт транспортных средств с помощью БПЛА
• Анализ толпы и наблюдение для обеспечения общественной безопасности
• Инспекция инфраструктуры и строительных площадок
• Исследования в области компьютерного зрения по обнаружению мелких объектов в загромождённых сценах

Другие бенчмарки аэрофотосъёмки см. в ориентированном на спутниковые изображения датасете xView или датасете DOTA-v2 с ориентированными рамками.

YAML датасета#

Файл VisDrone.yaml определяет конфигурацию датасета — пути к данным, имена классов и скрипт автоматического скачивания и преобразования. Он поддерживается в репозитории Ultralytics по адресу 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

Использование#

Чтобы обучить модель YOLO26n на датасете VisDrone в течение 100 эпох с размером изображения 640, можно использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице обучения модели.

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)

Чтобы размечать дополнительные аэрофотографии и управлять запусками обучения VisDrone в браузере, используй Ultralytics Platform.

Примеры данных и аннотаций#

На примере ниже показана типичная сцена VisDrone: вид с воздуха на оживлённую дорогу, где пешеходы и транспортные средства представлены небольшими, плотно расположенными целями, многие из которых частично перекрывают друг друга.

Цитирование и благодарности#

Если ты используешь датасет VisDrone в исследовательской или разработческой работе, процитируй следующую статью:

@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}}

Мы выражаем благодарность команде AISKYEYE из лаборатории машинного обучения и интеллектуального анализа данных Тяньцзиньского университета, Китай, за создание и поддержку датасета VisDrone. Дополнительную информацию см. в репозитории VisDrone Dataset на GitHub.

Часто задаваемые вопросы#