尧图网站建设 
简介这份资源面向无人机航拍场景下的行人检测任务适合从事目标检测学习、课程设计或相关项目开发的中初级读者使用。数据集包含1000张真实航拍图片场景丰富均经labelimg精细标注并同步提供voc、coco与yolo三种格式标签可直接接入YOLO系列模型训练省去格式转换的繁琐步骤。压缩包共2000个文件以xml标注、txt标签为主另含少量html教程、py脚本与yaml配置文件整体约376MB目录划分清晰便于按格式取用。资源还附赠数据集划分脚本可自行生成训练集、验证集与测试集并配套YOLO环境搭建及训练案例教程覆盖Windows与Linux两种平台帮助读者快速跑通从环境配置到模型训练的完整流程。目前已有1120人学习下载适合需要快速验证算法或搭建检测基线的人群参考使用。1. 无人机航拍行人检测数据集1000 张图、三套标签与一条能跑通的训练链路拿到一份无人机航拍行人检测数据集最怕的不是图少而是标签格式对不上、划分方式说不清、训练脚本跑不起来。这份资源给的是 1000 张无人机视角航拍图配套 VOC、COCO、YOLO 三种格式标签外加划分脚本和训练教程。它解决的核心问题很具体让你不用从零标注、不用自己写格式转换、不用猜目录结构直接把数据喂进 YOLO 训练流程。适合做无人机视觉、安防巡检、人群计数、边缘部署验证的从业者也适合想跑通一个完整检测项目的新手。下面按「数据长什么样 → 怎么转、怎么划、怎么训 → 坑在哪 → 怎么验证」的顺序拆开讲。2. 三种标签格式的差异与选型VOC、COCO、YOLO 到底该用哪套2.1 三种格式的字段结构对比同一批图三种标签格式描述的是同一件事但组织方式完全不同。VOC 是每张图一个 XML坐标用左上角与右下角的绝对像素值COCO 是一个大 JSON所有图、所有框、类别都塞在一起坐标是[x, y, width, height]绝对像素YOLO 是每张图一个 txt每行class x_center y_center width height全部归一化到 0~1。选型不是看哪个高级而是看你的训练框架吃什么。格式文件组织坐标类型类别位置典型用途VOC每图一个 XML绝对像素 xmin/ymin/xmax/ymaxXML 内 name 字段老版检测框架、标注工具交换COCO单个 JSON绝对像素 x/y/w/hcategories 数组评测、多任务、实例分割YOLO每图一个 txt归一化中心点宽高行首 class idYOLO 系列直接训练如果你用的是 Ultralytics 系的 YOLO直接走 YOLO 格式最省事如果要做 COCO mAP 评测或接别的框架COCO JSON 更通用VOC 更多是中间交换格式标注工具导出常用它。这份资源三套都给意味着你不需要自己写转换但需要知道每套的目录该怎么摆。2.2 目录结构怎么摆才不会被框架拒收YOLO 训练对目录结构有硬要求摆错了不会报「格式错误」而是直接找不到图或找不到标签。常见做法是dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yamlimages/train和labels/train必须同名对应图001.jpg对应标签001.txt。data.yaml里写清train、val路径和nc、names。很多人把 VOC 的 XML 和 YOLO 的 txt 混在一个目录里框架会优先找 txt找不到就跳过最后训练集实际数量对不上这是最常见的翻车点之一。2.3 用划分脚本把 1000 张图切成 train/val资源里带了划分脚本核心逻辑就是按比例随机分同时保证图与标签同步移动。如果你要自己写或改参考下面这段import os, random, shutil # 原始目录images 和 labels 平级文件名一一对应 img_dir raw/images lbl_dir raw/labels out_dir dataset val_ratio 0.2 random.seed(42) # 固定种子保证可复现 names [os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(.jpg)] random.shuffle(names) val_count int(len(names) * val_ratio) val_names set(names[:val_count]) for split in [train, val]: os.makedirs(f{out_dir}/images/{split}, exist_okTrue) os.makedirs(f{out_dir}/labels/{split}, exist_okTrue) for n in names: split val if n in val_names else train shutil.copy(f{img_dir}/{n}.jpg, f{out_dir}/images/{split}/{n}.jpg) shutil.copy(f{lbl_dir}/{n}.txt, f{out_dir}/labels/{split}/{n}.txt) print(ftrain{len(names)-val_count}, val{val_count})逻辑说明先收集所有图名固定seed后打乱按val_ratio切出验证集再按 split 把图和标签成对复制。参数说明val_ratio一般 0.1~0.21000 张图取 0.2 就是 800 训练、200 验证seed必须固定否则每次划分不同实验无法对比。注意标签缺失的图要提前过滤否则复制阶段会直接抛FileNotFoundError。3. 从 VOC/COCO 转到 YOLO转换脚本与四个边界坑3.1 VOC XML 转 YOLO txt 的完整脚本VOC 转 YOLO 的核心是读 XML 里的size拿到图宽高再把xmin/ymin/xmax/ymax转成归一化中心点和宽高。下面这段可以直接抄import os, xml.etree.ElementTree as ET classes [person] # 按你的 data.yaml 顺序改 cls_map {c: i for i, c in enumerate(classes)} def voc_to_yolo(xml_path, out_txt): tree ET.parse(xml_path) root tree.getroot() 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 if name not in cls_map: continue 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) # 归一化中心点与宽高 xc (xmin xmax) / 2.0 / w yc (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{cls_map[name]} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}) with open(out_txt, w) as f: f.write(\n.join(lines)) for f in os.listdir(voc_xml): if f.endswith(.xml): voc_to_yolo(fvoc_xml/{f}, flabels/{f.replace(.xml, .txt)})逻辑说明逐 XML 解析过滤非目标类别按图宽高做归一化输出 YOLO 行。参数说明classes顺序必须和data.yaml的names完全一致否则类别 id 会错位坐标保留 6 位小数足够再多没意义。常见做法是先跑一遍统计每类框数确认没有类别被过滤光。3.2 COCO JSON 转 YOLO 的注意点COCO 转 YOLO 多一层映射images数组给图宽高annotations给image_id、category_id、bbox。坑在于 COCO 的category_id不一定是 0 起始连续而 YOLO 要求从 0 开始连续。必须先建category_id - 连续 id的映射不能直接拿原 id 用。另外 COCO 的bbox是[x, y, w, h]绝对像素转归一化时除以图宽高即可不需要再算 xmax/ymax。3.3 四个边界坑越界、空标签、类别错位、文件名不匹配越界框VOC 标注里偶尔出现xmax大于图宽归一化后大于 1YOLO 训练会报错或直接忽略。解决转换时min(max(xc,0),1)夹紧或直接丢弃该框。空标签某张图没有目标VOC 里没有object转出来是空 txt。YOLO 允许空 txt 表示背景图但如果你不想要背景图要在划分前过滤掉。类别错位classes顺序和data.yaml不一致训练出来的类别名全错。解决两边用同一个列表生成。文件名不匹配图是001.jpg标签是001.JPG.txt或001.xml没改名。解决转换后统一os.path.splitext取主干再拼.txt。提示转换完先跑一遍校验脚本统计每张图的框数、坐标范围、类别分布比直接开训省时间。4. 训练教程落地data.yaml、超参与第一次跑通4.1 data.yaml 怎么写才不报错YOLO 训练第一步就是读data.yaml写错路径或类别数报错信息往往很模糊。标准写法path: /abs/path/to/dataset train: images/train val: images/val nc: 1 names: [person]path用绝对路径最稳train/val相对path写。nc必须等于names长度行人检测通常就是 1 类。如果nc写成 0 或和 names 对不上训练会直接崩在数据加载阶段。4.2 第一次训练命令与关键参数yolo detect train \ datadataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/drone_person参数说明model用预训练权重比从零训收敛快得多imgsz640是常见起点无人机图如果目标很小可以试 960 或 1280batch16看显存不够就降到 8lr00.01是默认起点小数据集可以降到 0.005patience20表示 20 轮没提升就早停。第一次跑建议先epochs10验证链路通不通再拉长。4.3 训练中该盯哪些指标训练日志里重点看三样box_loss是否稳定下降、mAP50是否上升、cls_loss有没有突然飙高。box_loss不降通常是学习率太大或标签有问题mAP50卡住可能是数据太少或目标太小cls_loss飙高常见于类别 id 错位。混淆矩阵如果出现某类全错回去查data.yaml的names顺序。5. 避坑与排查训练不收敛、标签错位、显存爆掉的真实记录5.1 现象训练 loss 一直不降mAP 接近 0原因标签坐标没归一化或者归一化除了错误的宽高。VOC 转 YOLO 时如果误用了size以外的尺寸坐标会整体偏移。解决随机抽 5 张图用脚本把 YOLO 框画回图上肉眼确认框位置对不对。这一步比看 loss 曲线快得多。5.2 现象训练报「no labels found」原因labels/train目录不存在或 txt 文件名和图名不一致或data.yaml里train路径写成了图片目录但框架按标签目录找。解决确认images/train和labels/train同级且文件名主干一致data.yaml的train指向images/train框架会自动替换成labels/train。5.3 现象显存爆掉batch 降到 1 还报 OOM原因imgsz太大或workers太多导致内存泄漏或用了大模型。解决先把imgsz从 1280 降到 640workers设 2~4batch设 8还不行换yolov8n这种小模型。无人机图目标小想保分辨率可以试imgsz960配batch4。5.4 现象验证集 mAP 很高实际推理全错原因训练集和验证集划分时图与标签没同步验证集标签对不上图或者验证集里全是简单样本。解决重新用固定 seed 划分确认每张 val 图都有对应 txt且 val 里包含不同场景。常见做法是划分后统计 val 的框数分布和 train 对比。5.5 现象类别名显示成 0、1 而不是 person原因data.yaml的names没写或写成了数字。解决names: [person]必须是列表顺序和转换时的classes一致。推理时框架按names索引显示索引对不上就显示 id。6. 进阶验证用混淆矩阵和单图推理确认数据集真的能用训练跑完不等于数据没问题。我一般会做两步验证。第一步看混淆矩阵runs/drone_person/confusion_matrix.png里如果 person 行大部分落在 person 列说明类别没串如果大量落到 background说明漏标或框太小。第二步抽 10 张验证图做单图推理把预测框和真实框叠一起看yolo detect predict \ modelruns/drone_person/weights/best.pt \ sourcedataset/images/val \ conf0.25 \ save_txtTrue \ projectruns/val_checkconf0.25是常用阈值save_txtTrue会把预测结果存成 YOLO 格式方便和真实标签逐行对比。重点看小目标无人机航拍行人往往只占几十像素如果imgsz设小了小目标召回会明显掉。可以做一个简单统计把真实框面积小于 32×32 的挑出来看预测里漏了多少。如果漏检集中在小框优先提imgsz而不是加数据。还有一个容易被忽略的点1000 张图对行人检测来说不算多如果场景单一模型很容易过拟合。验证时除了看 mAP还要看训练集和验证集的 loss 差距差距过大就是过拟合信号可以加增强或减 epoch。从那以后我每次拿到新数据集都强制先跑一遍「画框验证 混淆矩阵 小目标统计」这三步再决定要不要开长训练。希望帮到你。本文还有配套的精品资源点击获取 无人机航拍行人检测数据集：1000张图三套标签与YOLO训练全流程
简介这份资源面向无人机航拍场景下的行人检测任务适合从事目标检测学习、课程设计或相关项目开发的中初级读者使用。数据集包含1000张真实航拍图片场景丰富均经labelimg精细标注并同步提供voc、coco与yolo三种格式标签可直接接入YOLO系列模型训练省去格式转换的繁琐步骤。压缩包共2000个文件以xml标注、txt标签为主另含少量html教程、py脚本与yaml配置文件整体约376MB目录划分清晰便于按格式取用。资源还附赠数据集划分脚本可自行生成训练集、验证集与测试集并配套YOLO环境搭建及训练案例教程覆盖Windows与Linux两种平台帮助读者快速跑通从环境配置到模型训练的完整流程。目前已有1120人学习下载适合需要快速验证算法或搭建检测基线的人群参考使用。1. 无人机航拍行人检测数据集1000 张图、三套标签与一条能跑通的训练链路拿到一份无人机航拍行人检测数据集最怕的不是图少而是标签格式对不上、划分方式说不清、训练脚本跑不起来。这份资源给的是 1000 张无人机视角航拍图配套 VOC、COCO、YOLO 三种格式标签外加划分脚本和训练教程。它解决的核心问题很具体让你不用从零标注、不用自己写格式转换、不用猜目录结构直接把数据喂进 YOLO 训练流程。适合做无人机视觉、安防巡检、人群计数、边缘部署验证的从业者也适合想跑通一个完整检测项目的新手。下面按「数据长什么样 → 怎么转、怎么划、怎么训 → 坑在哪 → 怎么验证」的顺序拆开讲。2. 三种标签格式的差异与选型VOC、COCO、YOLO 到底该用哪套2.1 三种格式的字段结构对比同一批图三种标签格式描述的是同一件事但组织方式完全不同。VOC 是每张图一个 XML坐标用左上角与右下角的绝对像素值COCO 是一个大 JSON所有图、所有框、类别都塞在一起坐标是[x, y, width, height]绝对像素YOLO 是每张图一个 txt每行class x_center y_center width height全部归一化到 0~1。选型不是看哪个高级而是看你的训练框架吃什么。格式文件组织坐标类型类别位置典型用途VOC每图一个 XML绝对像素 xmin/ymin/xmax/ymaxXML 内 name 字段老版检测框架、标注工具交换COCO单个 JSON绝对像素 x/y/w/hcategories 数组评测、多任务、实例分割YOLO每图一个 txt归一化中心点宽高行首 class idYOLO 系列直接训练如果你用的是 Ultralytics 系的 YOLO直接走 YOLO 格式最省事如果要做 COCO mAP 评测或接别的框架COCO JSON 更通用VOC 更多是中间交换格式标注工具导出常用它。这份资源三套都给意味着你不需要自己写转换但需要知道每套的目录该怎么摆。2.2 目录结构怎么摆才不会被框架拒收YOLO 训练对目录结构有硬要求摆错了不会报「格式错误」而是直接找不到图或找不到标签。常见做法是dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yamlimages/train和labels/train必须同名对应图001.jpg对应标签001.txt。data.yaml里写清train、val路径和nc、names。很多人把 VOC 的 XML 和 YOLO 的 txt 混在一个目录里框架会优先找 txt找不到就跳过最后训练集实际数量对不上这是最常见的翻车点之一。2.3 用划分脚本把 1000 张图切成 train/val资源里带了划分脚本核心逻辑就是按比例随机分同时保证图与标签同步移动。如果你要自己写或改参考下面这段import os, random, shutil # 原始目录images 和 labels 平级文件名一一对应 img_dir raw/images lbl_dir raw/labels out_dir dataset val_ratio 0.2 random.seed(42) # 固定种子保证可复现 names [os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(.jpg)] random.shuffle(names) val_count int(len(names) * val_ratio) val_names set(names[:val_count]) for split in [train, val]: os.makedirs(f{out_dir}/images/{split}, exist_okTrue) os.makedirs(f{out_dir}/labels/{split}, exist_okTrue) for n in names: split val if n in val_names else train shutil.copy(f{img_dir}/{n}.jpg, f{out_dir}/images/{split}/{n}.jpg) shutil.copy(f{lbl_dir}/{n}.txt, f{out_dir}/labels/{split}/{n}.txt) print(ftrain{len(names)-val_count}, val{val_count})逻辑说明先收集所有图名固定seed后打乱按val_ratio切出验证集再按 split 把图和标签成对复制。参数说明val_ratio一般 0.1~0.21000 张图取 0.2 就是 800 训练、200 验证seed必须固定否则每次划分不同实验无法对比。注意标签缺失的图要提前过滤否则复制阶段会直接抛FileNotFoundError。3. 从 VOC/COCO 转到 YOLO转换脚本与四个边界坑3.1 VOC XML 转 YOLO txt 的完整脚本VOC 转 YOLO 的核心是读 XML 里的size拿到图宽高再把xmin/ymin/xmax/ymax转成归一化中心点和宽高。下面这段可以直接抄import os, xml.etree.ElementTree as ET classes [person] # 按你的 data.yaml 顺序改 cls_map {c: i for i, c in enumerate(classes)} def voc_to_yolo(xml_path, out_txt): tree ET.parse(xml_path) root tree.getroot() 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 if name not in cls_map: continue 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) # 归一化中心点与宽高 xc (xmin xmax) / 2.0 / w yc (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{cls_map[name]} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}) with open(out_txt, w) as f: f.write(\n.join(lines)) for f in os.listdir(voc_xml): if f.endswith(.xml): voc_to_yolo(fvoc_xml/{f}, flabels/{f.replace(.xml, .txt)})逻辑说明逐 XML 解析过滤非目标类别按图宽高做归一化输出 YOLO 行。参数说明classes顺序必须和data.yaml的names完全一致否则类别 id 会错位坐标保留 6 位小数足够再多没意义。常见做法是先跑一遍统计每类框数确认没有类别被过滤光。3.2 COCO JSON 转 YOLO 的注意点COCO 转 YOLO 多一层映射images数组给图宽高annotations给image_id、category_id、bbox。坑在于 COCO 的category_id不一定是 0 起始连续而 YOLO 要求从 0 开始连续。必须先建category_id - 连续 id的映射不能直接拿原 id 用。另外 COCO 的bbox是[x, y, w, h]绝对像素转归一化时除以图宽高即可不需要再算 xmax/ymax。3.3 四个边界坑越界、空标签、类别错位、文件名不匹配越界框VOC 标注里偶尔出现xmax大于图宽归一化后大于 1YOLO 训练会报错或直接忽略。解决转换时min(max(xc,0),1)夹紧或直接丢弃该框。空标签某张图没有目标VOC 里没有object转出来是空 txt。YOLO 允许空 txt 表示背景图但如果你不想要背景图要在划分前过滤掉。类别错位classes顺序和data.yaml不一致训练出来的类别名全错。解决两边用同一个列表生成。文件名不匹配图是001.jpg标签是001.JPG.txt或001.xml没改名。解决转换后统一os.path.splitext取主干再拼.txt。提示转换完先跑一遍校验脚本统计每张图的框数、坐标范围、类别分布比直接开训省时间。4. 训练教程落地data.yaml、超参与第一次跑通4.1 data.yaml 怎么写才不报错YOLO 训练第一步就是读data.yaml写错路径或类别数报错信息往往很模糊。标准写法path: /abs/path/to/dataset train: images/train val: images/val nc: 1 names: [person]path用绝对路径最稳train/val相对path写。nc必须等于names长度行人检测通常就是 1 类。如果nc写成 0 或和 names 对不上训练会直接崩在数据加载阶段。4.2 第一次训练命令与关键参数yolo detect train \ datadataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/drone_person参数说明model用预训练权重比从零训收敛快得多imgsz640是常见起点无人机图如果目标很小可以试 960 或 1280batch16看显存不够就降到 8lr00.01是默认起点小数据集可以降到 0.005patience20表示 20 轮没提升就早停。第一次跑建议先epochs10验证链路通不通再拉长。4.3 训练中该盯哪些指标训练日志里重点看三样box_loss是否稳定下降、mAP50是否上升、cls_loss有没有突然飙高。box_loss不降通常是学习率太大或标签有问题mAP50卡住可能是数据太少或目标太小cls_loss飙高常见于类别 id 错位。混淆矩阵如果出现某类全错回去查data.yaml的names顺序。5. 避坑与排查训练不收敛、标签错位、显存爆掉的真实记录5.1 现象训练 loss 一直不降mAP 接近 0原因标签坐标没归一化或者归一化除了错误的宽高。VOC 转 YOLO 时如果误用了size以外的尺寸坐标会整体偏移。解决随机抽 5 张图用脚本把 YOLO 框画回图上肉眼确认框位置对不对。这一步比看 loss 曲线快得多。5.2 现象训练报「no labels found」原因labels/train目录不存在或 txt 文件名和图名不一致或data.yaml里train路径写成了图片目录但框架按标签目录找。解决确认images/train和labels/train同级且文件名主干一致data.yaml的train指向images/train框架会自动替换成labels/train。5.3 现象显存爆掉batch 降到 1 还报 OOM原因imgsz太大或workers太多导致内存泄漏或用了大模型。解决先把imgsz从 1280 降到 640workers设 2~4batch设 8还不行换yolov8n这种小模型。无人机图目标小想保分辨率可以试imgsz960配batch4。5.4 现象验证集 mAP 很高实际推理全错原因训练集和验证集划分时图与标签没同步验证集标签对不上图或者验证集里全是简单样本。解决重新用固定 seed 划分确认每张 val 图都有对应 txt且 val 里包含不同场景。常见做法是划分后统计 val 的框数分布和 train 对比。5.5 现象类别名显示成 0、1 而不是 person原因data.yaml的names没写或写成了数字。解决names: [person]必须是列表顺序和转换时的classes一致。推理时框架按names索引显示索引对不上就显示 id。6. 进阶验证用混淆矩阵和单图推理确认数据集真的能用训练跑完不等于数据没问题。我一般会做两步验证。第一步看混淆矩阵runs/drone_person/confusion_matrix.png里如果 person 行大部分落在 person 列说明类别没串如果大量落到 background说明漏标或框太小。第二步抽 10 张验证图做单图推理把预测框和真实框叠一起看yolo detect predict \ modelruns/drone_person/weights/best.pt \ sourcedataset/images/val \ conf0.25 \ save_txtTrue \ projectruns/val_checkconf0.25是常用阈值save_txtTrue会把预测结果存成 YOLO 格式方便和真实标签逐行对比。重点看小目标无人机航拍行人往往只占几十像素如果imgsz设小了小目标召回会明显掉。可以做一个简单统计把真实框面积小于 32×32 的挑出来看预测里漏了多少。如果漏检集中在小框优先提imgsz而不是加数据。还有一个容易被忽略的点1000 张图对行人检测来说不算多如果场景单一模型很容易过拟合。验证时除了看 mAP还要看训练集和验证集的 loss 差距差距过大就是过拟合信号可以加增强或减 epoch。从那以后我每次拿到新数据集都强制先跑一遍「画框验证 混淆矩阵 小目标统计」这三步再决定要不要开长训练。希望帮到你。本文还有配套的精品资源点击获取