YOLOv11海上军事舰艇目标检测数据集这里记录一份2704 张图6 个类别航空母舰、两栖作战舰、护卫舰 等的检测数据。训练、验证、测试三份已经分好训练集 2394 张验证集 200 张测试集 110 张。标签采用 YOLO 格式跟着 data.yaml 走即可不需要额外转换。下面几节把规模、配置、标注样例依次列清楚开训前照着逐项核对一遍能省掉不少排查时间。一、规模与类别速览目标类别 [‘Aircraft Carrier’, ‘Amphibious Warfare Ship’, ‘Corvette’, ‘Destroyer’, ‘Frigate’, ‘Gunboat’]中文类别[‘航空母舰’, ‘两栖作战舰’, ‘护卫舰’, ‘驱逐舰’, ‘护卫舰’, ‘炮舰’]训练集2394 张验证集200 张测试集110 张总计2704 张二、data.yaml 长什么样该数据集提供了data.yaml文件内容如下train:../train/imagesval:../valid/imagestest:../test/imagesnc:6names:[Aircraft Carrier,Amphibious Warfare Ship,Corvette,Destroyer,Frigate,Gunboat]三、标注可视化数据包入口整包内容图片 YOLO 标签 data.yaml解压即可训练下载地址数据压缩包传送门四、这批数据是怎么来的YOLOv11海上军事舰艇目标检测数据集整套数据的主线是海上军事舰艇的目标检测任务涵盖了航空母舰、两栖作战舰、护卫舰、驱逐舰及炮舰等多种核心检测目标。通过高精度标注和多样化场景覆盖为舰艇识别与分类提供了高质量的数据支持具有重要的军事应用价值。训练集包含2394张图像验证集200张测试集110张总计2704张。数据分布合理各类舰艇样本数量均衡确保了模型在不同舰艇类型上的泛化能力。同时场景涵盖开阔海域、港口停泊及城市沿岸等多种环境全面模拟实际作战与监控需求。标注工作严谨规范每艘舰艇均采用精确的边界框标注并辅以清晰的文字标签有效避免了误标或漏标现象。标注人员严格遵循统一标准保证了数据的一致性和可靠性为后续模型训练奠定了坚实基础。实际能用上的场景包括海军装备管理、海上安全监控及军事态势感知等领域。其精准的舰艇识别能力有助于提升海上巡逻效率、优化作战指挥决策并为智能舰艇识别系统开发提供可靠的数据支撑具有显著的行业应用前景。数据使用备忘底账2704 张图6 个类别航空母舰、两栖作战舰、护卫舰划分训练集 2394 张验证集 200 张测试集 110 张标签YOLO 格式data.yaml 里三个路径都是相对路径解压后不用改上手按三步走解压后先对一遍图片数和标签数两边对不上要先查缺漏起步用小模型小图跑通全流程yolo detect train data../data.yaml modelyolo11n.pt imgsz416 epochs80看 mAP50 与 mAP50-95 的差距差距大通常是小目标漏检或框不准先补数据或提 imgsz而不是急着换大模型。数据量、场景复杂度、标注质量三样都过关这份数据可以直接开训有一样短板先补齐再谈选型。数据包入口见「数据包入口」小节。