简介面向无人机视觉与目标检测方向的开发者、算法工程师及高校研究者这份资源提供了一套真实场景下的车辆检测数据集可用于无人机航拍车辆识别项目也可作为通用车辆检测数据的场景补充。数据集共1000张高质量图片覆盖城市道路行驶、道边停车、停车场、小区及车辆遮挡、严重遮挡等多种情形类别划分为轿车car、货车van与巴士bus三类均经labelimg精细标注并同步提供VOC(xml)、COCO(json)、YOLO(txt)三种主流格式可直接投入YOLO等算法训练。资源包为1个PDF文件约2MB内含数据集基本情况介绍与获取方式并附赠YOLO11一键训练脚本支持GPU、CPU及Mac(M芯片)多平台方案同时给出博主训练结果日志供对照参考。目前已有261人学习下载适合希望快速验证无人机车辆检测方案、减少数据准备成本的读者。1. 无人机视角下的车辆检测1000 张图、三种标签格式与 YOLO11 一键训练到底怎么落地拿到「无人机场景-目标检测-车辆检测数据集-1000张图-对应VOC/COCO/YOLO三种格式标签支持GPU(GPUs)/CPU/Mac三平台YOLO11一键训练脚本」这个标题多数人第一反应是「数据集脚本下载就能跑」。但真正在无人机航拍车辆检测里翻过车的人都知道坑不在模型而在数据格式转换、小目标尺度、平台环境这三件事上。无人机视角的车辆检测和地面固定摄像头完全是两个问题俯视角度让车辆变成几十像素的小目标光照和运动模糊让标注边界模糊1000 张图的量级又要求你必须在数据增强和训练策略上精打细算。这篇笔记就按「数据集长什么样 → 三种格式怎么转 → YOLO11 怎么在三平台跑起来 → 哪里最容易翻车」的顺序把这条链路拆到能直接抄作业的程度。适合手里有无人机航拍素材、想快速验证车辆检测方案或者想拿这套流程做移动小目标检测预研的工程师。2. 无人机车辆检测数据集1000 张图里到底有什么、为什么三种格式都要2.1 无人机航拍车辆检测的数据特点与选型理由无人机视角的车辆检测数据集和 BDD100K 这类车载数据集最大的区别在于成像几何。无人机通常在 50 到 150 米高度作业俯仰角接近垂直或大倾角车辆在图像里呈现为矩形或近似矩形的色块长宽比接近 1:1 到 2:1而不是车载视角的 3:1 侧面轮廓。这意味着如果你直接拿 COCO 预训练的 YOLO11 权重来微调模型对「车」的先验是侧面和斜侧面迁移到俯视小目标时召回率会明显掉一截。1000 张图的量级属于「小样本验证集」范畴。按 8:1:1 划分训练集 800 张、验证集 100 张、测试集 100 张。这个量级下单类车辆检测car 一类通常能到 mAP0.5 0.75 以上但如果要区分 car/truck/bus/van 多类每类样本可能只有一两百个实例就必须靠 mosaic、mixup、copy-paste 这类增强来撑住。我一般会先确认标注里实例总数1000 张图如果平均每张 8 到 15 辆车总实例在 1 万左右这个量级做单类检测是够的多类就要谨慎。三种标签格式并存的意义在于工具链兼容。VOC XML 是很多标注工具LabelImg、CVAT 导出的原生格式也是传统检测框架的入口COCO JSON 是 pycocotools 评测和很多多模态分析管线的标准YOLO txt 是 Ultralytics 训练直接吃的格式。数据集同时给三种省掉的是你自己写转换脚本的时间但转换过程中的坐标精度、类别映射、空标注处理仍然要自己核对。2.2 三种格式的结构差异与转换脚本先把三种格式的目录结构和字段含义对齐不然后面转换必错。格式单图标签文件坐标表示类别字段典型用途VOC0001.xmlxmin,ymin,xmax,ymax绝对像素namecar/nameLabelImg、传统框架COCO单个annotations.json[x,y,w,h]绝对像素category_id整数pycocotools 评测YOLO0001.txtcx,cy,w,h归一化 0-1行首类别索引Ultralytics 训练从 VOC 转 YOLO 是最常见的一步下面这个脚本我用了很多次关键是处理边界框越界和空标注文件。import os import xml.etree.ElementTree as ET # 类别映射无人机车辆检测通常先做单类多类时按实际标注改 CLASS_MAP {car: 0, truck: 1, bus: 2, van: 3} def voc_to_yolo(xml_dir, out_dir, img_w, img_h): os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 从 XML 里读实际尺寸比外部传参更稳 size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASS_MAP: continue # 未定义类别直接跳过避免索引错位 bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 裁剪到图像边界内无人机标注偶尔会超出 xmin, ymin max(0, xmin), max(0, ymin) xmax, ymax min(w, xmax), min(h, ymax) if xmax xmin or ymax ymin: continue # 无效框丢弃 cx (xmin xmax) / 2.0 / w cy (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{CLASS_MAP[name]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) # 即使没有目标也写空文件YOLO 训练需要图片和标签一一对应 with open(os.path.join(out_dir, xml_file.replace(.xml, .txt)), w) as f: f.write(\n.join(lines)) voc_to_yolo(./VOC/Annotations, ./labels/train, 0, 0)逻辑说明脚本从 XML 内部读宽高而不是外部传参是因为无人机数据集不同批次的图像分辨率可能不一致外部传一个固定值会导致归一化坐标全错。类别映射用字典显式声明遇到未定义类别跳过而不是报错保证转换不中断。空标注写空文件这一步很多人会漏YOLO 训练时如果某张图没有对应 txtUltralytics 会直接报错或静默跳过导致实际训练集比预期少。参数说明CLASS_MAP必须和后续data.yaml里的names顺序完全一致索引从 0 开始。cx,cy,w,h保留 6 位小数足够YOLO 内部会再处理。如果你的数据集是多类建议先跑一遍统计每类实例数样本少于 50 的类别考虑合并或丢弃。COCO 转 YOLO 的逻辑类似但 COCO 的bbox是[x,y,w,h]绝对像素且类别在categories数组里需要先建category_id到连续索引的映射。这一步的坑是 COCO 的category_id往往不连续比如 1,3,7直接当 YOLO 索引会越界。3. YOLO11 三平台训练GPU、CPU、Mac 的环境配置与一键脚本拆解3.1 Ultralytics YOLO11 环境配置的三种路径YOLO11 是 Ultralytics 在 2024 年发布的版本网络结构上延续了 C3k2 模块和 C2PSA 注意力机制对移动小目标的检测头做了调整。训练入口统一在ultralytics包三平台的差异主要在 PyTorch 后端和设备指定上。GPU 平台NVIDIA是最顺的路径。CUDA 版本要和 PyTorch 对应常见组合是 CUDA 12.1 PyTorch 2.3。安装命令# GPU 平台先装对应 CUDA 的 PyTorch再装 ultralytics pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 pip install ultralytics # 验证 GPU 可见 python -c import torch; print(torch.cuda.is_available(), torch.cuda.device_count())CPU 平台适合验证流程和小批量推理训练 1000 张图会非常慢但跑通脚本没问题。Mac 平台分 Intel 和 Apple Silicon 两种Apple Silicon 可以用 MPS 后端加速比纯 CPU 快不少但 YOLO11 的某些算子对 MPS 支持不完整遇到报错就退回 CPU。# Mac Apple Silicon用 MPS 加速 pip install ultralytics python -c import torch; print(torch.backends.mps.is_available())一键训练脚本的核心是把设备选择、数据路径、超参封装成一个入口。我一般会写成train.py用argparse区分平台避免每次改代码。import argparse from ultralytics import YOLO def pick_device(platform): import torch if platform gpu and torch.cuda.is_available(): return 0 # 多卡写 0,1 if platform mac and torch.backends.mps.is_available(): return mps return cpu if __name__ __main__: parser argparse.ArgumentParser() parser.add_argument(--platform, defaultgpu, choices[gpu, cpu, mac]) parser.add_argument(--data, default./data.yaml) parser.add_argument(--epochs, typeint, default100) parser.add_argument(--imgsz, typeint, default640) parser.add_argument(--batch, typeint, default16) args parser.parse_args() device pick_device(args.platform) model YOLO(yolo11n.pt) # n/s/m/l/x 按算力选 model.train( dataargs.data, epochsargs.epochs, imgszargs.imgsz, batchargs.batch, devicedevice, mosaic1.0, # 无人机小目标靠 mosaic 撑 scale0.5, # 尺度抖动模拟不同飞行高度 fliplr0.5, patience20, # 20 轮无提升早停 projectruns/drone_vehicle, )逻辑说明pick_device把平台判断收在一处GPU 返回0表示第一块卡Mac 返回mps其余回落cpu。mosaic1.0对无人机小目标很关键四图拼接能显著增加小目标出现频率。scale0.5模拟无人机不同高度导致的尺度变化。patience20防止小数据集上过拟合空跑。参数说明imgsz640是默认值但无人机小目标建议试 960 或 1280代价是显存和速度。batch在 GPU 上按显存调8G 显存跑 640 大概能到 16跑 1280 只能到 4。Mac MPS 的 batch 建议不超过 8否则容易内存溢出。3.2 data.yaml 的写法与三平台路径差异data.yaml是 Ultralytics 的数据入口写错路径是最常见的翻车点。三平台的路径分隔符和绝对路径处理不同建议统一用相对路径。# data.yaml path: ./dataset # 数据集根目录 train: images/train # 相对 path val: images/val test: images/test nc: 1 # 类别数 names: [car] # 顺序必须和转换脚本的 CLASS_MAP 一致逻辑说明path是根train/val/test相对它。这样整个数据集可以整体移动而不改配置。nc和names长度必须一致否则训练启动就报错。如果做多类names的顺序要和 VOC 转换时的CLASS_MAP索引严格对应错一位整个训练结果就废了。参数说明Windows 上路径用正斜杠/也能识别但不要混用反斜杠。Mac 和 Linux 对大小写敏感Images和images是两个目录建议全小写。3.3 训练启动、日志解读与中断恢复启动训练后控制台会输出每轮的 box_loss、cls_loss、dfl_loss 和 mAP。无人机车辆检测里前 10 轮 box_loss 下降快是正常的但如果 30 轮后 mAP0.5 还在 0.3 以下通常是标注质量问题或学习率过大。# 启动训练 python train.py --platform gpu --epochs 100 --imgsz 960 --batch 8 # 中断后恢复Ultralytics 会自动找 last.pt python -c from ultralytics import YOLO; YOLO(runs/drone_vehicle/train/weights/last.pt).train(resumeTrue)逻辑说明resumeTrue会从last.pt恢复优化器状态和 epoch 计数不是简单加载权重。日志里mAP50-95是主指标无人机小目标通常比mAP50低不少这是正常的因为小目标定位精度天然差。参数说明如果显存不够优先降batch而不是imgsz因为imgsz直接影响小目标能否被检测到。960 是无人机车辆检测的一个平衡点1280 更好但算力要求翻倍。4. 无人机车辆检测的避坑与排查5 个血泪教训4.1 现象训练 mAP 一直上不去验证集却很高原因训练集和验证集划分时没有按场景分组同一段航拍视频的相邻帧被分到了两边导致验证集泄漏。无人机数据往往是视频抽帧相邻帧几乎一样。解决按飞行架次或视频片段划分而不是随机按图划分。如果数据集里没有架次信息至少按时间顺序切分不要 shuffle 后再切。4.2 现象推理时大量车辆漏检尤其是小目标原因imgsz设太小640 下 30 像素的车在特征图上只剩几个像素检测头根本激活不了。或者 mosaic 增强关闭了小目标样本占比不足。解决把imgsz提到 960 或 1280保持mosaic1.0并检查标注里最小框的尺寸。如果最小框小于 10 像素考虑在数据增强里加copy_paste或上采样小目标图片。4.3 现象Mac MPS 训练报错NotImplementedError原因YOLO11 的某些算子如某些插值或注意力实现在 MPS 后端没有实现PyTorch 回落到 CPU 也失败。解决设置环境变量PYTORCH_ENABLE_MPS_FALLBACK1让不支持的算子自动回 CPU或者直接用--platform cpu。MPS 适合推理验证训练还是 GPU 稳。4.4 现象VOC 转 YOLO 后类别全变成 0 或索引错位原因CLASS_MAP的索引和data.yaml的names顺序不一致或者 VOC 里出现了CLASS_MAP没有的类别被静默跳过导致某些图标签为空。解决转换后跑一遍统计脚本检查每类实例数和空标签文件数。空标签文件占比超过 5% 就要回头查标注。4.5 现象GPU 显存溢出OOMbatch 降到 1 还报错原因imgsz太大或者workers设太高导致数据加载占用显存或者多卡训练时device写法不对。解决先降imgsz到 640 确认能跑再逐步升。workers在 Windows 上设 0 或 2Linux 上可以设 8。多卡用device0,1不要用device[0,1]。5. 把 1000 张图用到极致小目标增强与验证集评估的进阶技巧1000 张图做无人机车辆检测数据量是硬约束所以增强策略和评估方法决定了最终上限。我一般会在标准训练之外做两件事一是用 SAHISlicing Aided Hyper Inference做切片推理验证二是用混淆矩阵反查标注质量。SAHI 的思路是把大图切成重叠小图分别推理再合并对无人机小目标提升明显。Ultralytics 本身不内置 SAHI但可以手动实现切片import cv2 from ultralytics import YOLO def sliced_inference(model, img_path, slice_size640, overlap0.2): img cv2.imread(img_path) h, w img.shape[:2] step int(slice_size * (1 - overlap)) boxes [] for y in range(0, h, step): for x in range(0, w, step): patch img[y:yslice_size, x:xslice_size] if patch.shape[0] 32 or patch.shape[1] 32: continue results model(patch, verboseFalse) for box in results[0].boxes: xyxy box.xyxy[0].tolist() # 把切片坐标映射回原图 boxes.append([xyxy[0]x, xyxy[1]y, xyxy[2]x, xyxy[3]y, box.conf[0].item()]) return boxes # 后续用 NMS 合并重叠框逻辑说明切片推理把 4000x3000 的航拍图切成 640x640 的小块每块里车辆占比更大检测头更容易激活。overlap0.2保证边缘目标不被切断。坐标映射回原图后需要用 NMS 去重否则同一辆车会被多个切片重复检出。参数说明slice_size建议和训练imgsz一致overlap0.2 到 0.3 之间。切片推理速度是整图推理的数倍适合离线评估不适合实时。验证集评估时除了看 mAP一定要导出混淆矩阵和 PR 曲线。无人机车辆检测里最常见的误检是把屋顶、矩形阴影、路面标线识别成车。如果混淆矩阵显示背景误检率高说明负样本不足需要往训练集里加不含车的航拍图作为背景负样本。我习惯在训练完后跑一次model.val()并保存confusion_matrix.png这张图比任何指标都直观。最后一个习惯每次改完数据或超参先跑 10 个 epoch 看 loss 曲线趋势再决定要不要跑满。1000 张图跑满 100 epoch 在单卡上大概 1 到 2 小时但方向错了就是白跑。希望帮到你。本文还有配套的精品资源点击获取