No license

Link to this sectionVisDrone 数据集#

VisDrone Dataset 是一个大规模无人机图像基准测试，其检测子集 (VisDrone2019-DET) 提供了 8,629 张航拍图像（包含 6,471 张训练集、548 张验证集和 1,610 张测试集），并标注了 10 个目标类别，适用于目标检测。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。

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

完整的 VisDrone 基准测试包含 288 个视频片段（共 261,908 帧）和 10,209 张静态图像，这些图像由中国 14 个不同城市的无人机载摄像头拍摄，涵盖了城市和乡村环境、稀疏和拥挤场景以及多变的天气和光照条件。其帧数据包含超过 260 万个手动标注的边界框，并带有场景可见性、目标类别和遮挡等额外属性。Ultralytics 的 VisDrone.yaml 配置文件使用的是该基准测试中的 VisDrone2019-DET 静态图像子集。

Link to this section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。

Link to this section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	开发过程中用于评估的图像
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。

自动 YOLO 转换

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）。

Link to this section应用#

VisDrone 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目标的计算机视觉研究

对于其他航拍图像基准测试，请参阅以卫星图像为重点的 xView 数据集或具有旋转框的 DOTA-v2 数据集。

Link to this section数据集 YAML#

VisDrone.yaml 文件定义了数据集配置——即数据集路径、类名以及自动下载和转换脚本。它维护在 Ultralytics 存储库中：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

Link to this section用法#

约 2 GB 下载

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。

要使用 640 的图像尺寸在 VisDrone 数据集上训练 YOLO26n 模型 100 个 epoch，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)

若要标注额外的航拍图像并在浏览器中管理 VisDrone 训练任务，请使用 Ultralytics Platform。

Link to this section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。

VisDrone 数据集航空无人机图像及目标检测

Link to this section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

@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。如需更多信息，请访问 VisDrone 数据集 GitHub 存储库。

Link to this section常见问题解答#

Link to this sectionVisDrone 数据集有什么用途？#

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。

Link to this sectionVisDrone 有多少张图像和类别？#

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)。所有拆分共享相同的 10 个类别：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。请参阅数据集结构以获取完整细分。

Link to this section我该如何下载 VisDrone 数据集？#

当你使用 data="VisDrone.yaml" 进行首次训练时，VisDrone 会自动下载——无需手动操作。脚本会从 Ultralytics GitHub 发布资产中获取三个存档（约 2 GB）并将标注转换为 YOLO 格式。竞赛中保留的 test-challenge 拆分不包含在内。

Link to this section我该如何在 VisDrone 数据集上训练 YOLO26 模型？#

在 VisDrone 上训练 YOLO26n 模型 100 个 epoch，图像大小为 640：

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。

Link to this section为什么 VisDrone 对目标检测器来说很困难，我该如何提高准确度？#

VisDrone 中的目标相对于画面来说非常微小（通常只有几十个像素），并且出现在密集、被严重遮挡的群体中，这给在地面照片上调优的检测器带来了压力。在更高分辨率下训练和预测（例如使用 imgsz=1280 配合较小的 batch）可以恢复小型目标，而 SAHI 切片推理可以将大图像切片，使小目标在每个推理窗口中占据更多空间。

Link to this sectionVisDrone-DET 和完整的 VisDrone 基准测试有什么区别？#

完整的 VisDrone 基准测试涵盖五个任务——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 配置文件仅涵盖图像检测任务 (VisDrone2019-DET)，下载其 6,471 张训练集、548 张验证集和 1,610 张测试集图像。

Link to this section我该如何在研究中引用 VisDrone？#

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和致谢部分。

贡献者

GLglenn-jocher¹³ RIRizwanMunawar⁴ RAraimbekovm¹ MAMatthewNoyce¹ JKjk4e¹

创建于 2023年11月12日更新于昨天