VisDrone 数据集#
VisDrone Dataset 是一个大规模无人机影像基准，其检测子集 (VisDrone2019-DET) 提供 8,629 张航拍图像（6,471 张用于训练、548 张用于验证、1,610 张用于测试-开发），并标注了 10 个用于目标检测的类别。它由中国天津 University 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 基准包含 288 个视频片段（261,908 帧）和 10,209 张静态图像，这些图像由搭载在相机上的无人机在中国 14 个不同城市拍摄，涵盖城市与乡村环境、稀疏与拥挤场景以及多变的天气和光照条件。其帧包含超过 260 万个手动标注的边界框，并具有场景可见度、对象类别和遮挡等额外属性。Ultralytics VisDrone.yaml 配置使用此基准的 VisDrone2019-DET 静态图像子集。
主要特性#
- 小型、密集目标：航拍视角使目标变得微小且拥挤——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，涵盖城市和乡村地点、白天和夜晚以及不同的天气条件。
- 丰富的标注：整个基准测试中包含超过 260 万个标注框，并带有遮挡和可见性属性。
- 预定义的拆分：固定的训练集 / 验证集 / 测试集拆分（6,471 / 548 / 1,610 张图像），以确保评估的一致性。
数据集结构#
Ultralytics VisDrone 配置文件涵盖了 VisDrone2019-DET 图像子集，分为三部分：
| 拆分 | 图像 | 描述 |
|---|---|---|
| 训练 | 6,471 | 用于训练检测器的标注航拍图像 |
| 验证 | 548 | 开发期间用于评估的图像 |
| Test-dev | 1,610 | 用于对训练好的模型进行最终评估的保留图像 |
第四个拆分 test-challenge（1,580 张图像）被保留用于 VisDrone 竞赛，不会被下载，这就是为什么完整的 DET 数据集总数为 10,209 张图像。
该数据集标注了 10 个目标类别：行人、人、自行车、汽车、小型货车、卡车、三轮车、带棚三轮车、公交车和摩托车。VisDrone 将 行人（站立或行走的人）与 人（处于任何其他姿势的人）区分开来。
首次使用时，下载脚本会将原始的 VisDrone 标注转换为 YOLO 格式，同时跳过标记为忽略的区域（这也会排除未使用的“其他”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：
- 使用无人机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
- 关于在杂乱场景中检测小对象的计算机视觉研究
有关其他航拍图像基准，请参阅以卫星为重点的 xView dataset 或定向框 DOTA-v2 dataset。
数据集 YAML#
VisDrone.yaml 文件定义了数据集配置——数据集路径、类名以及自动下载和转换脚本。它维护在 Ultralytics 仓库 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VisDrone.yaml 中。
# 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#
当你第一次训练时，VisDrone 会自动下载（三个存档总计约 2 GB），在解压和转换过程中大约需要 4 GB 的可用磁盘空间。
要在 VisDrone 数据集上训练 YOLO26n 模型 100 个轮次且图像大小为 640，你可以使用以下代码片段。有关可用参数的完整列表，请参考模型训练页面。
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)要在浏览器中标记更多航拍图像并管理 VisDrone 训练运行，请使用 Ultralytics Platform。
示例数据与标注#
下面的示例展示了一个典型的 VisDrone 场景：在繁忙道路上方的航拍视角，行人和车辆显示为微小、密集排列的目标，其中许多被彼此部分遮挡。
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：
@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}}我们要感谢中国天津大学机器学习与数据挖掘实验室的 AISKYEYE 团队创建并维护了 VisDrone 数据集。有关更多信息，请访问 VisDrone Dataset GitHub repository。
常见问题解答#
VisDrone 用于在无人机拍摄的图像上训练和基准测试检测器，这些图像中的目标较小、密集且是从上方观察到的。它结合了航拍视角、拥挤的场景和多变的条件，使其成为基于无人机的交通监控、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）。所有分割共享相同的 10 个类别：行人、人、自行车、汽车、面包车、卡车、三轮车、棚车、公共汽车和摩托车。有关完整明细，请参阅数据集结构。
首次使用
data="VisDrone.yaml"进行训练时，VisDrone 会自动下载——无需手动操作。该脚本从 Ultralytics GitHub 发布资产中获取三个压缩包（约 2 GB），并将标注转换为 YOLO 格式。比赛中保留的测试挑战分割不包括在内。VisDrone 中的对象相对于画面来说非常小——通常只有几十个像素——并且出现在密集、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压力。以更高分辨率（例如使用较小批次的
imgsz=1280）进行训练和预测可以恢复小目标，而 SAHI tiled inference 则将大图像切片，以便小对象占据更多每个推理窗口的空间。完整的 VisDrone 基准涵盖五个任务——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——横跨 288 个视频片段和 10,209 张静态图像。Ultralytics
VisDrone.yaml配置仅涵盖图像检测任务 (VisDrone2019-DET)，下载其 6,471 张训练、548 张验证和 1,610 张测试-开发图像。引用论文“Detection and Tracking Meet Drones Challenge”(IEEE TPAMI, vol. 44, no. 11, 2022, DOI 10.1109/TPAMI.2021.3119563)；完整的 BibTeX 条目位于上方的引用与鸣谢部分。