VisDrone 数据集用于什么？

VisDrone 用于在无人机拍摄的图像上训练检测器并评估其性能，这类图像中的目标通常较小、密集，而且是从上方拍摄的。航拍视角、拥挤场景和多变条件相结合，使该数据集成为 UAV 交通监控、人群分析和小目标检测研究的标准测试平台。

VisDrone 有多少张图像和多少个类别？

Ultralytics VisDrone 配置包含 8,629 张图像：6,471 张用于训练，548 张用于验证，1,610 张用于测试 (test-dev)。所有划分均使用相同的 10 个类别：pedestrian、people、bicycle、car、van、truck、tricycle、awning-tricycle、bus 和 motor。完整划分详情请参见数据集结构。

如何下载 VisDrone 数据集？

首次使用 data="VisDrone.yaml" 训练时，VisDrone 会自动下载——无需手动操作。该脚本会从 Ultralytics GitHub 发布资源获取三个压缩包（约 2 GB），并将标注转换为 YOLO 格式。竞赛中保留的 test-challenge 划分不包含在内。

如何在 VisDrone 数据集上训练 YOLO26 模型？

在 VisDrone 上以 640 的图像尺寸训练 YOLO26n 模型 100 轮：. 详细配置请参见训练页面和模型训练技巧。

VisDrone 为什么对目标检测器来说很难？如何提高准确率？

VisDrone 中的目标相对于画面非常小——通常只有几十个像素——而且会密集出现并被严重遮挡，这对使用地面视角照片训练的检测器构成挑战。使用更高分辨率进行训练和预测（例如使用 imgsz=1280 并减小批次大小）可以找回小目标；SAHI 切片推理会将大图像切成小块，让小目标在每个推理窗口中占据更大的比例。

VisDrone-DET 与完整的 VisDrone 基准有什么区别？

完整的 VisDrone 基准涵盖五项任务——图像目标检测、视频目标检测、单目标跟踪、多目标跟踪和人群计数——包含 288 段视频片段和 10,209 张静态图像。Ultralytics 的 VisDrone.yaml 配置仅涵盖图像检测任务 (VisDrone2019-DET)，并下载其中的 6,471 张训练图像、548 张验证图像和 1,610 张 test-dev 图像。

如何在研究中引用 VisDrone？

请引用论文“Detection and Tracking Meet Drones Challenge”（IEEE TPAMI，第 44 卷，第 11 期，2022 年，DOI 10.1109/TPAMI.2021.3119563）；完整的 BibTeX 条目位于上方的引用与致谢部分。

No license

VisDrone 数据集#

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.

710 classes2.7 GBSep 2, 2026

pedestrianpeoplebicyclecar+6

object-detectionvisdroneaerial+2

VisDrone 数据集是一个大规模无人机图像基准，其中的检测子集 (VisDrone2019-DET) 提供 8,629 张航拍图像——6,471 张训练图像、548 张验证图像和 1,610 张 test-dev 图像——标注了 10 个目标类别，用于目标检测。该数据集由中国天津大学机器学习与数据挖掘实验室的 AISKYEYE 团队创建。

观看： 如何在 VisDrone 数据集上训练 Ultralytics YOLO | 航拍检测 | 完整教程 🚀

完整的 VisDrone 基准包含 288 段视频片段（261,908 帧）和 10,209 张静态图像，这些图像由无人机搭载的摄像机在中国 14 个不同城市拍摄，涵盖城市和乡村环境、稀疏和拥挤场景，以及多种天气和光照条件。其视频帧包含超过 260 万个人工标注的边界框，以及场景可见度、目标类别和遮挡等额外属性。Ultralytics 的 VisDrone.yaml 配置使用该基准中的 VisDrone2019-DET 静态图像子集。

主要功能#

小而密集的目标：航拍视角使目标显得很小且十分密集——仅 548 张验证图像就包含 38,759 个标注框，平均每张图像约有 70 个目标。
场景多样性：图像来自中国 14 个城市，涵盖城市和乡村地区、白天和夜间，以及不同天气条件。
丰富的标注：整个基准包含超过 260 万个框，并带有遮挡和可见度属性。
预定义划分：固定的 train / val / test-dev 划分（6,471 / 548 / 1,610 张图像），便于进行一致的评估。

数据集结构#

Ultralytics VisDrone 配置涵盖 VisDrone2019-DET 图像子集，并将其分为三个部分：

划分	图像	说明
训练	6,471	用于训练检测器的已标注航拍图像
验证	548	开发期间用于评估的图像
Test-dev	1,610	留作最终评估训练后模型的图像

第四个划分 test-challenge（1,580 张图像）为 VisDrone 竞赛保留，不提供下载，因此完整的 DET 集合总计为 10,209 张图像。

该数据集标注了 10 个目标类别：pedestrian、people、bicycle、car、van、truck、tricycle、awning-tricycle、bus 和 motor。VisDrone 将 pedestrian（站立或行走的人）与 people（处于其他姿势的人）区分开来。

自动转换为 YOLO 格式

首次使用时，下载脚本会将原始 VisDrone 标注转换为 YOLO 格式，并跳过标记为忽略的区域（这也会排除未使用的“others”类别）。

应用场景#

VisDrone 场景密集、目标微小，因此成为航拍视角下小目标检测的标准基准。常见应用包括：

使用 UAV 进行交通监控和车辆计数
人群分析和公共安全监控
基础设施和建筑工地检查
在杂乱场景中检测小目标的计算机视觉研究

其他航拍图像基准请参见以卫星图像为主的 xView 数据集或使用定向框的 DOTA-v2 数据集。

数据集 YAML#

VisDrone.yaml 文件定义了数据集配置，包括数据集路径、类别名称以及自动下载和转换脚本。该文件由 Ultralytics 仓库维护，地址为 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VisDrone.yaml。

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

用法#

下载约 2 GB

VisDrone 会在首次训练时自动下载——三个压缩包总计约 2 GB——解压和转换期间需要大约 4 GB 的可用磁盘空间。

要在 VisDrone 数据集上训练 YOLO26n 模型 100 个轮次，图像尺寸设为 640，你可以使用以下代码片段。可用参数的完整列表请参见模型训练页面。

训练示例

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo26n.pt")  # 加载预训练模型（推荐用于训练）

# 训练模型 - 数据集会在首次运行时自动下载
results = model.train(data="VisDrone.yaml", epochs=100, imgsz=640)

要标注更多航拍图像并在浏览器中管理 VisDrone 训练任务，请使用 Ultralytics Platform。

示例数据和标注#

下面的示例展示了典型的 VisDrone 场景：从空中俯瞰繁忙道路，行人和车辆都是小而密集的目标，其中许多目标会被彼此部分遮挡。

VisDrone 数据集无人机航拍图像及目标检测

引用与致谢#

如果你在研究或开发工作中使用 VisDrone 数据集，请引用以下论文：

引用格式

@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}}

我们感谢中国天津大学机器学习与数据挖掘实验室的 AISKYEYE 团队创建并维护 VisDrone 数据集。更多信息请访问 VisDrone 数据集 GitHub 仓库。

常见问题#

VisDrone 用于在无人机拍摄的图像上训练检测器并评估其性能，这类图像中的目标通常较小、密集，而且是从上方拍摄的。航拍视角、拥挤场景和多变条件相结合，使该数据集成为 UAV 交通监控、人群分析和小目标检测研究的标准测试平台。
Ultralytics VisDrone 配置包含 8,629 张图像：6,471 张用于训练，548 张用于验证，1,610 张用于测试 (test-dev)。所有划分均使用相同的 10 个类别：pedestrian、people、bicycle、car、van、truck、tricycle、awning-tricycle、bus 和 motor。完整划分详情请参见数据集结构。
首次使用 data="VisDrone.yaml" 训练时，VisDrone 会自动下载——无需手动操作。该脚本会从 Ultralytics GitHub 发布资源获取三个压缩包（约 2 GB），并将标注转换为 YOLO 格式。竞赛中保留的 test-challenge 划分不包含在内。

在 VisDrone 上以 640 的图像尺寸训练 YOLO26n 模型 100 轮：

训练示例

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo26n.pt")  # 加载预训练模型（推荐用于训练）

# 训练模型
results = model.train(data="VisDrone.yaml", epochs=100, imgsz=640)

详细配置请参见训练页面和模型训练技巧。

VisDrone 中的目标相对于画面非常小——通常只有几十个像素——而且会密集出现并被严重遮挡，这对使用地面视角照片训练的检测器构成挑战。使用更高分辨率进行训练和预测（例如使用 imgsz=1280 并减小批次大小）可以找回小目标；SAHI 切片推理会将大图像切成小块，让小目标在每个推理窗口中占据更大的比例。
完整的 VisDrone 基准涵盖五项任务——图像目标检测、视频目标检测、单目标跟踪、多目标跟踪和人群计数——包含 288 段视频片段和 10,209 张静态图像。Ultralytics 的 VisDrone.yaml 配置仅涵盖图像检测任务 (VisDrone2019-DET)，并下载其中的 6,471 张训练图像、548 张验证图像和 1,610 张 test-dev 图像。
请引用论文“Detection and Tracking Meet Drones Challenge”（IEEE TPAMI，第 44 卷，第 11 期，2022 年，DOI 10.1109/TPAMI.2021.3119563）；完整的 BibTeX 条目位于上方的引用与致谢部分。

贡献者

GLglenn-jocher¹⁴ RIRizwanMunawar⁴ RAraimbekovm³ PDpderrenger¹ MAMatthewNoyce¹ JKjk4e¹

创建时间 2023年11月12日更新时间上个月

Get Started