簡(jiǎn)介這是一份面向智能交通、自動(dòng)駕駛與智慧城市應(yīng)用的無人機(jī)視角交通目標(biāo)檢測(cè)YOLO格式數(shù)據(jù)集。數(shù)據(jù)集包含956張訓(xùn)練航拍圖與169張驗(yàn)證航拍圖覆蓋公交、轎車、廂式貨車、摩托車、船舶、商業(yè)車輛、工程車輛、特種車輛及區(qū)域特色車輛共9類陸海交通工具標(biāo)注采用YOLO格式并經(jīng)航空影像專家雙重校驗(yàn)。壓縮包共2000個(gè)文件以1125個(gè)txt標(biāo)注文件、873個(gè)jpg航拍圖片為主體另含1個(gè)yaml配置與1個(gè)docx說明文檔整體大小83.14MB目錄結(jié)構(gòu)清晰便于直接投入模型訓(xùn)練。該數(shù)據(jù)集突出高空視角特性涵蓋城市道路、港口、建筑工地等多樣環(huán)境及日間、黃昏、晴/多云等光照條件包含車輛轉(zhuǎn)向、泊車、編隊(duì)行駛等動(dòng)態(tài)樣本可有效補(bǔ)充傳統(tǒng)地面視角數(shù)據(jù)提升目標(biāo)檢測(cè)模型的多維度泛化能力。已有125人學(xué)習(xí)適合用于車流監(jiān)控、違章識(shí)別、應(yīng)急救援等場(chǎng)景的開發(fā)與算法驗(yàn)證。1. 無人機(jī)視角交通目標(biāo)檢測(cè)數(shù)據(jù)集高空小目標(biāo)不白嫖先搞清這批圖怎么用做無人機(jī)視角的交通目標(biāo)檢測(cè)最煩的不是模型是數(shù)據(jù)。公開數(shù)據(jù)集里 KITTI、BDD100K 全是車載平視視角你拿它訓(xùn)出來的模型一放到高空俯視圖上漏檢率直接翻倍——因?yàn)槟繕?biāo)尺度、遮擋模式、光照角度完全不是一回事。這個(gè)名為“無人機(jī)視角交通目標(biāo)檢測(cè)數(shù)據(jù)集.zip”的資源在 YOLO 生態(tài)里算是比較難得的垂直場(chǎng)景包圖源是無人機(jī)航拍視角覆蓋車輛、行人、騎行者和交通標(biāo)志等類別標(biāo)注格式能直接喂給 YOLO 系模型。適合誰你要做車流密度分析、違章抓拍、智慧園區(qū)巡邏或者想把手頭的 VOC 模型遷移到高空?qǐng)鼍斑@批數(shù)據(jù)就是替你省采集和標(biāo)注時(shí)間的。它解決的核心問題只有一個(gè)把“從天上往下看交通”這件事的數(shù)據(jù)分布拉到你模型訓(xùn)練能用的水平。2. 數(shù)據(jù)集解剖目錄結(jié)構(gòu)、標(biāo)注格式與類別分布拿到壓縮包先別急著解壓扔給訓(xùn)練腳本先花五分鐘把目錄和標(biāo)注格式摸清后面能省半天排錯(cuò)時(shí)間。無人機(jī)視角數(shù)據(jù)集的坑往往不在模型而在標(biāo)注文件和你預(yù)期不一致。2.1 目錄結(jié)構(gòu)與標(biāo)注文件先看 json 里的坐標(biāo)體系壓縮包解壓后常見做法是這么組織的unzip 無人機(jī)視角交通目標(biāo)檢測(cè)數(shù)據(jù)集.zip -d drone_traffic/ tree drone_traffic -L 2我一般會(huì)先跑上面這行命令看兩層結(jié)構(gòu)。正常的無人機(jī)交通數(shù)據(jù)集目錄應(yīng)該是drone_traffic/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── annotations/ │ ├── train.json │ ├── val.json │ └── test.json └── classes.txt如果 annotations 下是 json 而不是 xml那大概率是 COCO 格式或自定義 JSON 結(jié)構(gòu)。這里有個(gè)高頻分叉點(diǎn)很多從無人機(jī)視頻抽幀做的數(shù)據(jù)集標(biāo)注框是旋轉(zhuǎn)框OBBOriented Bounding Box因?yàn)楦┮晥D下車頭朝向各異水平框會(huì)框進(jìn)大面積背景。先讀一個(gè)標(biāo)注看看import json with open(drone_traffic/annotations/train.json, r, encodingutf-8) as f: data json.load(f) # COCO 風(fēng)格的話keys 通常是 info/images/annotations/categories print(data.keys()) print(data[annotations][0])常見的兩種格式區(qū)別如下格式類型坐標(biāo)字段適合的檢測(cè)方式COCO 水平框bbox: [x, y, w, h]水平框檢測(cè)YOLOv8 默認(rèn)OBB 旋轉(zhuǎn)框segmentation四點(diǎn)或rbox: [cx, cy, w, h, angle]旋轉(zhuǎn)框檢測(cè)YOLOv8-obb / MMRotate如果看到segmentation字段是四個(gè)點(diǎn)坐標(biāo)那這批標(biāo)注很可能支持旋轉(zhuǎn)框訓(xùn)練。你直接拿它當(dāng)水平框訓(xùn)不是不行但密集車輛場(chǎng)景下精度上限會(huì)被框的“多余背景”按住后面第 4 章細(xì)說。2.2 類別分布與適用場(chǎng)景從車輛類型到小目標(biāo)密度把類別統(tǒng)計(jì)跑一遍比看任何 README 都直觀from collections import Counter cat_ids [ann[category_id] for ann in data[annotations]] counter Counter(cat_ids) print(counter) # 再看目標(biāo)尺寸分布小目標(biāo)占比 small 0 for ann in data[annotations]: w, h ann[bbox][2], ann[bbox][3] if w 32 and h 32: small 1 print(f小目標(biāo)32px占比: {small / len(data[annotations]) * 100:.1f}%)這段代碼的邏輯第一個(gè) Counter 統(tǒng)計(jì)每個(gè)類別出現(xiàn)次數(shù)讓你知道類別是否均衡第二個(gè)統(tǒng)計(jì)小目標(biāo)占比這是無人機(jī)交通場(chǎng)景的命門——航拍高度 50 米以上一輛普通轎車的像素寬度經(jīng)常只有 20 到 40 像素屬于典型的小目標(biāo)檢測(cè)場(chǎng)景。這個(gè)統(tǒng)計(jì)結(jié)果直接決定你后面訓(xùn)練怎么配參小目標(biāo)占比高img_size就不能設(shè)太低mosaic增強(qiáng)的比例也要謹(jǐn)慎調(diào)。另一個(gè)值得注意的點(diǎn)是類別定義交通標(biāo)志和信號(hào)燈在部分?jǐn)?shù)據(jù)集里會(huì)被合并成一個(gè)類如果你需要細(xì)分得自己改標(biāo)注。一個(gè)判斷技巧如果訓(xùn)練集圖片數(shù)量在 5000 張上下、目標(biāo)實(shí)例在 2 萬到 5 萬這個(gè)量級(jí)那這批數(shù)據(jù)對(duì)單卡訓(xùn)練來說剛夠用不用急著上額外預(yù)訓(xùn)練。數(shù)量低于 1000 張就要考慮用預(yù)訓(xùn)練權(quán)重做遷移學(xué)習(xí)后面會(huì)具體講參數(shù)。3. 訓(xùn)練自己的 YOLOv8 模型從數(shù)據(jù)劃分到參數(shù)調(diào)試數(shù)據(jù)集看清了接下來走完整訓(xùn)練鏈路。YOLOv8 是現(xiàn)在跑這類數(shù)據(jù)集最省事的框架之一不只是因?yàn)樗?xùn)練快還因?yàn)樗臄?shù)據(jù)增強(qiáng)策略和處理小目標(biāo)的邏輯比老版本 YOLOv5 成熟一些。下面從數(shù)據(jù)劃分開始到訓(xùn)練參數(shù)的選擇最后集中講幾個(gè)無人機(jī)場(chǎng)景的常見坑。3.1 數(shù)據(jù)劃分與路徑修正別被中文文件名坑了無論是直接提供 YOLO 格式還是 JSON 格式第一步保證路徑正確。常見問題是Windows 解壓出來的路徑帶反斜杠Linux 下訓(xùn)練腳本讀不到文件名帶中文或空格ultralytics 在解析時(shí)容易翻車。我一般把整個(gè)流程固定為兩步import os import random random.seed(42) images os.listdir(drone_traffic/images/train) random.shuffle(images) train_ratio 0.8 train_files images[:int(len(images) * train_ratio)] val_files images[int(len(images) * train_ratio):] def write_split(file_list, out_path): with open(out_path, w) as f: for name in file_list: abs_path os.path.abspath(os.path.join(drone_traffic/images/train, name)) f.write(abs_path \n) write_split(train_files, train.txt) write_split(val_files, val.txt)這段腳本的作用是把圖片絕對(duì)路徑寫進(jìn)文本文件供后續(xù) YOLO 格式的 txt 標(biāo)注對(duì)齊使用。為什么要用絕對(duì)路徑因?yàn)?YOLOv8 的 data.yaml 里如果是相對(duì)路徑換一臺(tái)機(jī)器跑就得改絕對(duì)路徑至少在當(dāng)前機(jī)器上不會(huì)出歧義。然后寫 data.yamlpath: /home/user/drone_traffic train: images/train val: images/val test: images/test nc: 4 # 按類別數(shù)改 names: [car, truck, pedestrian, cyclist]參數(shù)說明path是數(shù)據(jù)集根目錄的絕對(duì)路徑train和val是相對(duì)路徑nc是類別數(shù)量必須和標(biāo)注文件的類別 id 對(duì)應(yīng)上names順序也直接影響訓(xùn)練日志里類別名的顯示別排錯(cuò)。3.2 YOLOv8 訓(xùn)練參數(shù)img 尺寸、epochs 與優(yōu)化器無人機(jī)視角的模型訓(xùn)練參數(shù)選擇和普通目標(biāo)檢測(cè)有區(qū)別。我直接給一套可復(fù)現(xiàn)的配置from ultralytics import YOLO model YOLO(yolov8m.pt) results model.train( datadrone_traffic/data.yaml, epochs100, imgsz896, batch8, device0, lr00.001, optimizerAdamW, mosaic0.5, augmentTrue, patience20, )幾個(gè)關(guān)鍵參數(shù)的選擇邏輯imgsz896是無人機(jī)場(chǎng)景最重要的一個(gè)值。默認(rèn) 640 對(duì)高空俯視圖來說偏小一輛車在 640 分辨率下只有 20 像素傳到網(wǎng)絡(luò)深層特征圖后可能只剩個(gè)把像素檢測(cè)頭根本沒法回歸。提到 896 能讓小目標(biāo)的特征保留多一倍顯存不夠就 768低于 640 就不要玩了。batch8是 896 分辨率下 24GB 顯存的常見選擇如果你的卡是 12GB 的batch 降到 4或者把 imgsz 降回 768。mosaic0.5要注意mosaic 增強(qiáng)對(duì)俯視小目標(biāo)不是越多越好它把四張圖拼在一起目標(biāo)會(huì)被縮小四倍小目標(biāo)更容易被增強(qiáng)成“看不見的噪聲”。我一般會(huì)控制在 0.5 而不是默認(rèn)的 1.0。優(yōu)化器和學(xué)習(xí)率無人機(jī)場(chǎng)景下默認(rèn)的 SGD 也能收斂但 AdamW 在批量較小、目標(biāo)較小時(shí)更穩(wěn)。lr00.001是遷移學(xué)習(xí)的一個(gè)折中點(diǎn)如果是從隨機(jī)初始化開始訓(xùn)練調(diào)到 0.01 也行但沒必要——你是在 YOLOv8m 的 COCO 預(yù)訓(xùn)練權(quán)重上繼續(xù)訓(xùn)練初始學(xué)習(xí)率太大容易把前面的特征毀掉。patience20意味著 20 輪指標(biāo)沒提升就提前停止防止在數(shù)據(jù)不大時(shí)后段過擬合。3.3 避坑手冊(cè)無人機(jī)視角目標(biāo)檢測(cè)的 5 條血淚經(jīng)驗(yàn)這一節(jié)是我自己跑這類數(shù)據(jù)集和看別人翻車總結(jié)出來的高頻問題按“現(xiàn)象 → 原因 → 解決”寫?？?1驗(yàn)證集 mAP 很高俯視真實(shí)場(chǎng)景卻瘋狂漏檢現(xiàn)象模型在測(cè)試集上 mAP 超過 0.75部署到無人機(jī)拍攝的新視頻里小目標(biāo)漏檢率超過 50%。原因數(shù)據(jù)集劃分時(shí)有隨機(jī)性但無人機(jī)航拍數(shù)據(jù)往往相鄰幀高度相關(guān)隨機(jī)劃分會(huì)把相似圖片同時(shí)放進(jìn)訓(xùn)練和驗(yàn)證集分?jǐn)?shù)虛高。解決劃分時(shí)按“視頻序列”或“拍攝區(qū)域”分組不要讓同一個(gè)序列的圖同時(shí)出現(xiàn)在訓(xùn)練和驗(yàn)證里。代碼上可以先按文件名前綴分組再劃分?？?2中文或空格路徑導(dǎo)致訓(xùn)練中斷現(xiàn)象訓(xùn)練到一半報(bào)FileNotFoundError或者 ultralytics 直接卡在讀圖階段。原因Windows 解壓的路徑含中文目錄名或者文件名帶空格Python 的 glob 和 YOLO 的 LoadImages 在某些場(chǎng)景下解析異常。解決解壓后立即統(tǒng)一重命名全部轉(zhuǎn)成英文和下劃線訓(xùn)練前做一次路徑校驗(yàn)with open(train.txt) as f: for line in f: line line.strip() if not os.path.exists(line): print(缺失:, line)坑 3小目標(biāo)在標(biāo)注里是“噪聲”現(xiàn)象訓(xùn)練后 loss 降不下去val loss 在某個(gè)值附近震蕩。畫出來看小目標(biāo)區(qū)域預(yù)測(cè)框亂飄。原因有些無人機(jī)數(shù)據(jù)集從視頻按幀抽運(yùn)動(dòng)模糊和遠(yuǎn)距離小目標(biāo)標(biāo)注本身就不準(zhǔn)框偏移幾個(gè)像素對(duì) loss 的影響相對(duì)大。解決訓(xùn)練前做標(biāo)注清洗篩掉寬度或高度小于 5 像素的框或者用自動(dòng)化工具重新標(biāo)注一遍模糊幀。寧可少而精不要多而臟?？?4車輛密集區(qū)域的 NMS 后框被誤刪現(xiàn)象路口的車輛挨得近預(yù)測(cè)框重疊度超過 NMS 閾值后處理階段留下一個(gè)框把旁邊的車丟了。原因俯視圖下車頂視圖相似度高多個(gè)目標(biāo)的特征趨同NMS 只按 IoU 判重直接把低置信度的鄰近目標(biāo)刪了。解決測(cè)試時(shí)調(diào)低conf閾值到 0.15 左右iou閾值從默認(rèn)的 0.5 提到 0.6如果密集程度特別高考慮上旋轉(zhuǎn)框方案第 4 章展開。坑 5模型在夜間和陰天識(shí)別崩塌現(xiàn)象白天訓(xùn)練的模型一遇到陰天或黃昏漏檢率大幅上升。原因無人機(jī)數(shù)據(jù)集大多在白天采集光照分布單一模型學(xué)到的是“強(qiáng)光照下的紋理”不是“物體本身的結(jié)構(gòu)特征”。解決訓(xùn)練時(shí)把光照增強(qiáng)打開包含亮度、對(duì)比度擾動(dòng)如果有余力用簡(jiǎn)單色彩空間處理把部分訓(xùn)練圖轉(zhuǎn)成低光照效果做偽樣本。4. 旋轉(zhuǎn)框與多尺度用 MMRotate 處理密集排列目標(biāo)如果你解壓數(shù)據(jù)集時(shí)發(fā)現(xiàn)標(biāo)注是四點(diǎn)格式或者訓(xùn)練后車輛邊框重疊嚴(yán)重那就該考慮旋轉(zhuǎn)框檢測(cè)了。無人機(jī)俯視場(chǎng)景里目標(biāo)在圖像中的角度是任意的水平框表示會(huì)引入大量背景旋轉(zhuǎn)框能把框緊貼目標(biāo)顯著降低誤檢和漏檢。4.1 旋轉(zhuǎn)框標(biāo)注轉(zhuǎn)換從 HBB 到 OBB 的代價(jià)水平框HBB轉(zhuǎn)旋轉(zhuǎn)框OBB不是公式調(diào)用就行要處理角度定義問題。常見做法是使用 OpenCV 的minAreaRect把水平框內(nèi)所有標(biāo)注點(diǎn)的最小外接矩形求出來import cv2 import numpy as np points np.array([[x1, y1], [x2, y2], [x3, y3], [x4, y4]], dtypenp.float32) rect cv2.minAreaRect(points) (cx, cy), (w, h), angle rect # 轉(zhuǎn)換為 MMRotate 或 YOLOv8-obb 的格式 if w h: w, h h, w angle 90 obb [cx, cy, w, h, angle] print(obb)這段代碼的核心邏輯是先求四點(diǎn)的最小外接矩形再對(duì)角度做歸一化因?yàn)閙inAreaRect返回的角度范圍是 [-90, 0)轉(zhuǎn)成訓(xùn)練需要的格式時(shí)要把長(zhǎng)邊對(duì)準(zhǔn) x 軸角度范圍統(tǒng)一到 [0, 90) 或 [-90, 90)具體看訓(xùn)練框架讀什么格式。注意四點(diǎn)坐標(biāo)必須按順序給出否則minAreaRect的結(jié)果是錯(cuò)的。用 MMRotate 時(shí)推薦直接用occluded_obbox格式更穩(wěn)定。4.2 多尺度推理與切片把 896 分辨率用出性價(jià)比旋轉(zhuǎn)框模型訓(xùn)練完推理階段要解決另一個(gè)問題原始無人機(jī)圖像往往超過 4000×3000 像素直接縮放整圖再推理小目標(biāo)基本廢掉。兩個(gè)方案方案一TTA 多尺度融合——測(cè)試時(shí)把圖片同時(shí)縮放到 0.8、1.0、1.2 倍分別推理后融合結(jié)果。這個(gè)方法實(shí)現(xiàn)簡(jiǎn)單但對(duì)顯存要求高耗時(shí)也長(zhǎng)。方案二滑窗切片推理——更像是工程做法。把大圖切成 896×896 的塊每塊重疊 10%推理后根據(jù)塊的原始坐標(biāo)把框映射回大圖坐標(biāo)系。切片的好處是把每輛車的像素面積放大模型能提取到更多特征。切片的代價(jià)是目標(biāo)靠近邊緣時(shí)會(huì)被切半需要靠重疊區(qū)域來兜底。from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) img cv2.imread(drone_frame_001.jpg) H, W img.shape[:2] window 896 overlap 0.1 results_all [] for y in range(0, H - window // 2, int(window * (1 - overlap))): for x in range(0, W - window // 2, int(window * (1 - overlap))): crop img[y:y window, x:x window] results model(crop, conf0.2, iou0.5) for r in results: for box in r.boxes.data: x1, y1, x2, y2, conf, cls box.tolist() # 映射回原始坐標(biāo) results_all.append([x x1, y y1, x x2, y y2, conf, int(cls)])映射這段代碼容易出錯(cuò)切片的坐標(biāo)偏移量x和y在重疊區(qū)域不要累加過頭循環(huán)步長(zhǎng)用的是int(window * (1 - overlap))而不是window這樣重疊區(qū)域的目標(biāo)不會(huì)因?yàn)楸磺械粢话攵鴣G失。如果目標(biāo)的中心在重疊區(qū)域內(nèi)會(huì)重復(fù)檢測(cè)一次后處理時(shí)按置信度保留最高那個(gè)即可。MMRotate 和 YOLOv8-obb 怎么選我是這么判斷的數(shù)據(jù)量大上萬張、類別雜優(yōu)先 YOLOv8-obb因?yàn)樗?xùn)練速度快、生態(tài)成熟數(shù)據(jù)量中等但車輛密集度極高M(jìn)MRotate 的 Oriented R-CNN 在精度上限上還是高一點(diǎn)但代價(jià)是配置時(shí)間長(zhǎng)、跑一輪要看一堆報(bào)錯(cuò)。實(shí)際項(xiàng)目趕進(jìn)度YOLOv8-obb 已經(jīng)能覆蓋 90% 的需求了。5. 進(jìn)階驗(yàn)證與調(diào)優(yōu)技巧讓小目標(biāo)檢測(cè)再漲兩三個(gè)點(diǎn)模型訓(xùn)出來了mAP 也挺好看但部署前必須做一輪“對(duì)抗性驗(yàn)證”。這一章給兩個(gè)具體技巧可視化找病灶、用數(shù)據(jù)增強(qiáng)邊界換精度提升。5.1 可視化與錯(cuò)誤分析先改 Loss 還是先加數(shù)據(jù)很多人的習(xí)慣是看 mAP 不好就換模型、調(diào)學(xué)習(xí)率但真正的病灶在看圖才能發(fā)現(xiàn)。我每輪訓(xùn)練完都會(huì)強(qiáng)制跑一次批量推理存成圖片逐張看。import os from ultralytics import YOLO model YOLO(best.pt) val_images os.listdir(drone_traffic/images/val)[:50] for name in val_images: path os.path.join(drone_traffic/images/val, name) model.predict(path, saveTrue, imgsz896, conf0.15, iou0.6)把預(yù)測(cè)結(jié)果和原圖對(duì)齊翻一遍重點(diǎn)看三類錯(cuò)誤漏檢的是小目標(biāo)還是遮擋目標(biāo)誤檢集中在樹蔭、樓頂還是車輛陰影密集區(qū)域是漏檢多還是框重疊多。這個(gè)判斷直接決定下一步是調(diào) NMS、加數(shù)據(jù)還是換 Loss。如果是密集場(chǎng)景漏檢、同時(shí)單個(gè)目標(biāo)的置信度并不低那就先從 NMS 入手調(diào)iou0.6后重測(cè)如果是小目標(biāo)整體漏檢MAE 類的 Loss 替代 BCE 也許是方向但在 YOLOv8 上直接改 Loss 是個(gè)大工程我更傾向于先補(bǔ)數(shù)據(jù)更穩(wěn)。5.2 數(shù)據(jù)增強(qiáng)的邊界Mosaic 在俯視圖上的翻車現(xiàn)場(chǎng)上一章提到 Mosaic 會(huì)縮小目標(biāo)這里展開講邊界。在無人機(jī)俯視圖里mosaic 增強(qiáng)拼接四張航拍圖的反應(yīng)和地面視角不一樣地面目標(biāo)本來就在 40 到 100 像素區(qū)間縮小四倍后依然有 10 到 25 像素還能認(rèn)但無人機(jī)小目標(biāo)原本只有 20 到 40 像素縮小四倍后掉到 5 到 10 像素人眼都難分辨模型更學(xué)不到東西。我的做法是訓(xùn)練時(shí)開mosaic0.5讓模型在前半段學(xué)多尺度后 20 輪把 Mosaic 關(guān)閉用原始尺度精修r(nóng)esults model.train( datadrone_traffic/data.yaml, epochs80, imgsz896, batch8, mosaic0.5, close_mosaic15, )close_mosaic15的意思是在最后 15 個(gè) epoch 自動(dòng)關(guān)閉 Mosaic 增強(qiáng)。效果相當(dāng)于前半段學(xué)抗尺度擾動(dòng)后半段回歸真實(shí)分布。這個(gè)參數(shù)在 ultralytics 里是原生支持的屬于花小錢辦大事的參數(shù)。完成這輪調(diào)優(yōu)后我會(huì)把驗(yàn)證集重新跑一遍把每張圖的置信度閾值、推理耗時(shí)報(bào)個(gè)表再?zèng)Q定要不要上 TensorRT。用 YOLOv8 訓(xùn)練無人機(jī)視角數(shù)據(jù)集這件事數(shù)據(jù)分布理解比模型選型更能決定最終效果。從那以后我每次拿到新的航拍數(shù)據(jù)集都強(qiáng)制先做類別統(tǒng)計(jì)和小目標(biāo)占比分析再?zèng)Q定要不要上 OBB、Mosaic 要開多大——這個(gè)順序反過來走十次有八次要返工重訓(xùn)。希望這篇筆記能幫你少走這幾個(gè)來回。本文還有配套的精品資源點(diǎn)擊獲取