Bộ dữ liệu 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.

610 classes2.7 GBSep 2, 2026

pedestrianpeoplebicyclecar+6

object-detectionvisdroneaerial+2

Bộ dữ liệu VisDrone là một benchmark ảnh chụp từ drone quy mô lớn, trong đó tập con detection (VisDrone2019-DET) cung cấp 8.629 ảnh trên không — 6.471 ảnh train, 548 ảnh validation và 1.610 ảnh test-dev — được gắn nhãn với 10 lớp đối tượng cho object detection. Bộ dữ liệu này được tạo bởi nhóm AISKYEYE tại Phòng thí nghiệm Machine Learning và Khai phá dữ liệu, Đại học Thiên Tân, Trung Quốc.

Benchmark VisDrone đầy đủ bao gồm 288 video clip (261.908 frame) và 10.209 ảnh tĩnh được ghi lại bằng camera gắn trên drone tại 14 thành phố khác nhau ở Trung Quốc, bao phủ môi trường đô thị và nông thôn, các cảnh thưa và đông đúc, cùng nhiều điều kiện thời tiết và ánh sáng khác nhau. Các frame chứa hơn 2,6 triệu bounding box được gắn nhãn thủ công, cùng các thuộc tính bổ sung như độ rõ của cảnh, lớp đối tượng và mức độ che khuất. Cấu hình Ultralytics VisDrone.yaml sử dụng tập con ảnh tĩnh VisDrone2019-DET của benchmark này.

Tính năng chính#

• Đối tượng nhỏ và dày đặc: Góc nhìn trên không khiến các mục tiêu trở nên nhỏ và chen chúc — riêng 548 ảnh validation đã chứa 38.759 box được gắn nhãn, trung bình khoảng 70 đối tượng mỗi ảnh.
• Đa dạng cảnh: Hình ảnh từ 14 thành phố của Trung Quốc, bao phủ khu vực đô thị và nông thôn, ban ngày và ban đêm, cùng nhiều điều kiện thời tiết khác nhau.
• Chú thích phong phú: Hơn 2,6 triệu box trên toàn benchmark, kèm các thuộc tính về mức độ che khuất và độ rõ.
• Các tập phân chia được định nghĩa trước: Các tập train / val / test-dev cố định (6.471 / 548 / 1.610 ảnh) để đánh giá nhất quán.

Cấu trúc bộ dữ liệu#

Cấu hình VisDrone của Ultralytics bao phủ tập con ảnh VisDrone2019-DET, được chia thành ba phần:

Một tập phân chia thứ tư, test-challenge (1.580 ảnh), được giữ lại cho cuộc thi VisDrone và không được tải xuống; đây là lý do tổng số ảnh của toàn bộ tập DET là 10.209.

Bộ dữ liệu gắn nhãn 10 lớp đối tượng: người đi bộ, người, xe đạp, ô tô, xe van, xe tải, xe ba bánh, xe ba bánh có mái che, xe buýt và xe máy. VisDrone phân biệt pedestrian (người đang đứng hoặc đi bộ) với people (người ở bất kỳ tư thế nào khác).

Ứng dụng#

Các cảnh dày đặc và mục tiêu nhỏ của VisDrone khiến bộ dữ liệu này trở thành benchmark tiêu chuẩn cho small-object detection từ góc nhìn trên không. Các ứng dụng phổ biến gồm:

• Giám sát giao thông và đếm phương tiện từ UAV
• Phân tích đám đông và giám sát an toàn công cộng
• Kiểm tra cơ sở hạ tầng và công trường xây dựng
• Nghiên cứu computer vision về phát hiện các đối tượng nhỏ trong cảnh lộn xộn

Để xem các benchmark ảnh chụp từ trên không khác, hãy tham khảo bộ dữ liệu xView tập trung vào ảnh vệ tinh hoặc bộ dữ liệu DOTA-v2 sử dụng oriented box.

YAML của bộ dữ liệu#

File VisDrone.yaml định nghĩa cấu hình bộ dữ liệu — các đường dẫn dataset, tên lớp và script tự động tải xuống và chuyển đổi. File này được duy trì trong repository Ultralytics tại 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

Cách sử dụng#

Để train model YOLO26n trên bộ dữ liệu VisDrone trong 100 epoch với image size là 640, bạn có thể sử dụng các đoạn code sau. Để xem danh sách đầy đủ các argument khả dụng, hãy tham khảo trang Training model.

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)

Để gắn nhãn các ảnh trên không bổ sung và quản lý các training run của VisDrone trong trình duyệt, hãy sử dụng Ultralytics Platform.

Dữ liệu mẫu và Annotation#

Mẫu bên dưới cho thấy một cảnh VisDrone điển hình: góc nhìn trên không bao quát một con đường đông đúc, nơi người đi bộ và phương tiện xuất hiện dưới dạng các mục tiêu nhỏ, dày đặc, nhiều mục tiêu bị che khuất một phần bởi nhau.

Trích dẫn và ghi nhận đóng góp#

Nếu bạn sử dụng bộ dữ liệu VisDrone trong công việc nghiên cứu hoặc phát triển, vui lòng trích dẫn bài báo sau:

@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}}

Chúng tôi xin ghi nhận công sức của nhóm AISKYEYE tại Phòng thí nghiệm Machine Learning và Khai phá dữ liệu, Đại học Thiên Tân, Trung Quốc, trong việc tạo và duy trì bộ dữ liệu VisDrone. Để biết thêm thông tin, hãy truy cập repository GitHub của bộ dữ liệu VisDrone.

FAQ#