Ultralytics YOLO27：
No license

VisDrone 数据集#

VisDrone 数据集是一个大规模无人机影像基准数据集，其检测子集（VisDrone2019-DET）提供了 8,629 张航拍图像——其中 6,471 张用于训练、548 张用于验证、1,610 张用于测试开发——并针对目标检测标注了 10 个目标类别。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。



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

完整的 VisDrone 基准数据集包含 288 个视频片段（261,908 帧）和 10,209 张静态图像，这些图像由安装在无人机上的摄像机在中国 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。其中的帧包含超过 260 万个手动标注的边界框，并带有场景可见性、目标类别和遮挡情况等额外属性。Ultralytics 的 VisDrone.yaml 配置使用该基准数据集中的 VisDrone2019-DET 静态图像子集。

主要特性#

  • 小而密集的目标：航拍视角使目标显得微小且拥挤——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，覆盖城市和乡村地点、白天和夜间，以及不同天气条件。
  • 丰富的标注：完整基准数据集中包含超过 260 万个框，并带有遮挡和可见性属性。
  • 预定义的数据划分：固定的 train / val / test-dev 划分（6,471 / 548 / 1,610 张图像），确保评估结果一致。

数据集结构#

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

划分图像描述
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-dev1,610用于对训练完成的模型进行最终评估的留出图像

第四个划分 test-challenge（1,580 张图像）为 VisDrone 竞赛保留，不会被下载，因此完整 DET 数据集共包含 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（处于其他任何姿势的人）区分开来。

自动转换为 YOLO

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 ignored 的区域（这也会排除未使用的 "others" 类别）。

应用#

VisDrone 的密集场景和微小目标使其成为从航拍视角进行小目标检测的标准基准。常见应用包括：

  • 利用 UAV 进行交通监控和车辆计数
  • 人群分析和公共安全监控
  • 基础设施和施工现场检查
  • 针对复杂场景中小目标检测的计算机视觉研究

如需了解其他航拍影像基准数据集，请参阅以卫星影像为重点的 xView 数据集，或使用有向框的 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。该文件维护于 Ultralytics 代码库中：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

使用方法#

约 2 GB 下载量

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

要在 VisDrone 数据集上使用图像尺寸 640 训练 YOLO26n 模型 100 个周期，你可以使用以下代码片段。有关可用参数的完整列表，请参阅模型训练页面。

训练示例
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)

要在浏览器中标注更多航拍图像并管理 VisDrone 训练运行，请使用 Ultralytics Platform。

示例数据和标注#

下面的示例展示了一个典型的 VisDrone 场景：从空中俯视一条繁忙道路，行人和车辆以小而密集的目标形式出现，其中许多目标被彼此部分遮挡。

带有目标检测的 VisDrone 数据集航拍无人机影像

引用和致谢#

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
@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 代码库。

常见问题#

  • VisDrone 用于在无人机拍摄的影像上训练和评估检测器，其中目标较小、分布密集且从上方观察。航拍视角、拥挤场景和多样化条件的结合，使其成为基于 UAV 的交通监控、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）。所有划分共享相同的 10 个类别：pedestrian、people、bicycle、car、van、truck、tricycle、awning-tricycle、bus 和 motor。完整细分请参阅数据集结构。

  • 你首次使用 data="VisDrone.yaml" 进行训练时，VisDrone 会自动下载——无需手动操作。该脚本会从 Ultralytics GitHub 发布资源中获取三个压缩包（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。

  • 使用图像尺寸 640 在 VisDrone 上训练 YOLO26n 模型 100 个周期：

    训练示例
    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)

    有关详细配置，请参阅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——并且会出现在密集且严重遮挡的群组中，这给针对地面照片调优的检测器带来了挑战。以更高分辨率进行训练和预测（例如使用较小批量的 imgsz=1280）可以找回小目标，而 SAHI 切片推理会将大图像切分为多个部分，使小目标在每个推理窗口中占据更多空间。

  • 完整的 VisDrone 基准数据集涵盖五项任务——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——涉及 288 个视频片段和 10,209 张静态图像。Ultralytics 的 VisDrone.yaml 配置仅涵盖图像检测任务（VisDrone2019-DET），下载其中 6,471 张 train、548 张 validation 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和致谢部分。

贡献者
GLglenn-jocher14RIRizwanMunawar4RAraimbekovm3PDpderrenger1MAMatthewNoyce1JKjk4e1

评论