如何用Visdrone2019训练你的第一个无人机目标检测模型?从数据加载到mAP评估新手完整流程
如何用Visdrone2019训练你的第一个无人机目标检测模型?从数据加载到mAP评估新手完整流程
本文带你使用 VisDrone2019 无人机目标检测数据集,从零开始完成「下载数据 → 标注解析 → 模型训练 → mAP 评估」的完整流程,帮助新手快速上手第一个无人机目标检测(UAV Object Detection)项目。
📦 一、认识 VisDrone2019 数据集
VisDrone2019-DET 是天津大学 AISKYEYE 团队发布的大规模无人机航拍图像目标检测基准数据集,图像覆盖中国 14 个城市的高速公路、街道、收费站、十字路口等真实场景,包含白天、黄昏、夜间等多种光照与天气条件。
它非常适合新手,原因有三点:
| 特点 | 说明 |
|---|---|
| 规模适中 | 训练集 6,471 张图,消费级 GPU 也能训练 |
| 标注完整 | train / val / test-dev 均带标注,开箱即用 |
| 场景真实 | 航拍视角 + 密集小目标,贴近真实落地需求 |
数据集规模一览
| 子集 | 图像数 | 标注 | 用途 |
|---|---|---|---|
| Train | 6,471 | ✅ | 模型训练 |
| Val | 548 | ✅ | 验证与调参 |
| Test-dev | 1,610 | ✅ | 本地测试评估 |
| Test-challenge | 1,580 | ❌ 无公开标注 | 挑战赛提交用 |
10 个检测类别
| ID | 类别 | ID | 类别 |
|---|---|---|---|
| 1 | pedestrian(行人) | 6 | truck(卡车) |
| 2 | people(人群) | 7 | tricycle(三轮车) |
| 3 | bicycle(自行车) | 8 | awning-tricycle(带篷三轮车) |
| 4 | car(汽车) | 9 | bus(公交车) |
| 5 | van(厢式车) | 10 | motor(摩托车) |
💡 注意:ID 0 为 ignored(忽略项)、11 为 others,正式训练时通常只保留 1~10 共 10 个有效类别。
更多官方说明可参考项目文档:README.md
⬇️ 二、一键下载数据集(含 Git LFS)
仓库内 4 个数据文件均通过 Git LFS 存储,直接 clone 时必须启用 LFS,否则会下载不到真实数据:
git lfs install
git clone https://gitcode.com/GewisLab/Visdrone2019
下载后你会得到 4 个压缩包(对应数据集各子集):
- VisDrone2019-DET-train.zip(约 1.5 GB)
- VisDrone2019-DET-val.zip(约 80 MB)
- VisDrone2019-DET-test-dev.zip
- VisDrone2019-DET-test-challenge.zip
⚠️ 新手常见坑:clone 下来全是几 KB 的小文件?说明没装 Git LFS,请执行
git lfs install后重新git lfs pull。
🗂️ 三、解压与目录结构
以训练集为例,解压后的标准目录结构如下:
VisDrone2019-DET/
├── train/
│ ├── images/ # 6,471 张 .jpg
│ └── annotations/ # 6,471 个 .txt(一一对应)
├── val/
│ ├── images/
│ └── annotations/
└── test-dev/
├── images/
└── annotations/
标注文件格式详解
每张图对应一个同名 .txt,每行一个目标、8 个逗号分隔字段:
<bbox_left>,<bbox_top>,<bbox_width>,<bbox_height>,<score>,<category>,<truncation>,<occlusion>
| 字段 | 含义 |
|---|---|
| bbox_left / bbox_top | 边界框左上角 X、Y 坐标 |
| bbox_width / bbox_height | 框宽、框高 |
| score | 0 = 忽略(如远处看不清),1 = 有效标注 |
| category | 类别 ID(0~11) |
| truncation | 0 = 完整,1 = 被截断(超出画面边缘) |
| occlusion | 0 = 无遮挡,1 = 部分,2 = 严重,3 = 未知 |
💡 数据加载第一步:过滤掉 score=0 的行——这些目标官方标注为“忽略”,直接训练会影响模型收敛。
🔄 四、数据加载:把 VisDrone 转成训练格式
以最流行的 YOLO 格式为例,只需三步(无需自己写复杂代码):
- 坐标归一化:
x = left / 图像宽、y = top / 图像高、w = width / 图像宽、h = height / 图像高 - 类别重映射:原始 ID 1~10 正好对应 YOLO 类别
0~9(减 1 即可) - 整理目录:
images/train、images/val、labels/train、labels/val,并写一个dataset.yaml指定path、train、val和names
转换逻辑不到 30 行 Python,核心就是“读 8 字段 txt → 过滤 score=0 → 归一化 → 写 5 字段 labels 文件”。
如果你使用 COCO / mmdetection 生态,同样思路:把 8 字段解析为
xmin, ymin, xmax, ymax后套入对应 Dataset 类即可。
🚀 五、训练你的第一个模型
推荐新手从 Ultralytics YOLO 起步,一行命令即可完成“无人机目标检测模型训练”:
yolo detect train data=visdrone.yaml model=yolov8n.pt epochs=100 imgsz=640
几个针对 VisDrone2019 的实用建议:
- 分辨率:航拍图目标偏小,
imgsz=640起步;显存充足可上 960,对小目标 mAP 提升明显 - 学习率:默认 cosine 衰减即可,batch 按显存尽量拉大(小目标数据集对 batch 较敏感)
- 早停:
patience=20,Val 集 mAP 连续不涨就停,防止过拟合 - 硬件参考:单张 8GB 显存 GPU 用 yolov8n/s 模型,约半天可完成 100 epoch
📊 六、mAP 评估:如何看懂你的结果
训练结束后,用 test-dev 集(有公开标注)做本地评估最规范:
yolo detect val data=visdrone.yaml model=best.pt
关注两个核心指标:
| 指标 | 含义 | 新手参考值(yolov8n,640) |
|---|---|---|
| mAP@0.5 | IoU 阈值 0.5 的平均精度 | 约 0.35~0.40 |
| mAP@0.5:0.95 | IoU 0.5→0.95 逐步加严 | 约 0.15~0.20 |
💡 阅读 results.png 与 pr_curve.png 两个图表,就能快速定位是召回不足(漏检多)还是定位不准(框偏移)——这是新手调参最直观的路径。
❓ 七、新手常见问题速查
| 问题 | 原因与解决 |
|---|---|
| 标注框数量对不上 | 没过滤 score=0 的忽略目标 |
| mAP 异常偏低 | 类别映射错位(忘记 ID 减 1) |
| 远处小目标全漏 | 提高输入分辨率或改用 P2 小目标检测头 |
| 训练集 mAP 高、test-dev 低 | 正常现象,用 val 调参,最后才看 test-dev |
📝 八、引用建议
在研究中使用该数据集,请引用原始论文(Zhu et al., The VisDrone Dataset, TPAMI 2021)。BibTeX 全文见 README.md 的 Official Citation 小节。
小结:VisDrone2019 是入门无人机目标检测的最佳跳板——数据规模友好、标注规范、社区生态成熟。按照本文流程走一遍,你已具备独立完成“航拍目标检测”项目的能力,下一步可以尝试 YOLOv10、RT-DETR 等新架构,向榜单 SOTA 发起冲击!