无人机检测数据集-低空空中目标检测数据集（无人机/鸟类/飞机/直升机）

数据集面向低空空域感知、反无人机（Anti-UAV）与空中小目标检测任务设计，集成了无人机、鸟类、飞机与直升机等典型空中目标图像，涵盖天空、城市、山地、森林、海岸、远距离小目标、多目标干扰与复杂背景等多种场景。数据集包含普通图像样本与可见光视频抽帧样本，适用于可见光图像/视频帧中的无人机检测、空中目标分类检测、小目标检测与反无人机算法训练和评测。

类别：数据集（目标检测），共约 284 MB

检测子集规模：包含 13,467 张图像，按 train/val/test 划分，其中训练集、验证集和测试集分别有 9,549、2,099 和 1,819 张图像。

标注规模：共 14,701 个目标框，其中 Airplane 2,585 个、Bird 3,474 个、Drone 5,961 个、Helicopter 2,681 个。

图像分辨率：163×134 ~ 3840×2178，多数样本为 640×512 或 640×640。
标注：包含边界框检测标注，为 YOLO TXT 格式。

类别：Airplane、Bird、Drone、Helicopter，共 4 类。

低空空中目标检测数据集

一、数据集核心信息汇总表

二、类别分布详情表

三、数据集YOLO配置文件aerial_target.yaml

path:./aerial_target_datasettrain:images/trainval:images/valtest:images/testnc:4names:0:Airplane1:Bird2:Drone3:Helicopter

四、环境依赖安装

pipinstallultralytics torch opencv-python

五、YOLOv11训练代码train_aerial_target.py

针对低空小目标、多场景复杂背景做了适配优化，平衡速度与检测精度

fromultralyticsimportYOLOdefmain():# 加载YOLOv11s预训练权重，适配小目标检测场景model=YOLO("yolo11s.pt")train_results=model.train(data="./aerial_target_dataset/aerial_target.yaml",epochs=100,imgsz=640,# 匹配数据集主流样本尺寸batch=16,device=0,# 无GPU修改为 device="cpu"workers=4,patience=15,lr0=0.001,augment=True,# 开启数据增强，提升复杂背景下泛化能力mosaic=1.0,project="runs/train",name="aerial_target_detect",exist_ok=True,# 小目标检测专属优化min_memory=True,amp=True)print("训练完成！权重保存路径：runs/train/aerial_target_detect/weights")# 测试集最终评估metrics=model.val(data="./aerial_target_dataset/aerial_target.yaml",split="test")print(f"整体mAP@50:{metrics.box.map50:.4f}")print(f"各类别mAP@50:{metrics.box.maps}")if__name__=="__main__":main()

六、图像/视频推理代码predict_aerial_target.py

fromultralyticsimportYOLOimportcv2# 加载训练完成的最优权重model=YOLO("runs/train/aerial_target_detect/weights/best.pt")if__name__=="__main__":# source 支持图片路径、视频路径、摄像头ID（0为默认摄像头）source="test_aerial.jpg"results=model.predict(source=source,conf=0.25,iou=0.45,save=True)# 可视化结果forresinresults:frame=res.plot()cv2.imshow("低空空中目标检测",frame)ifcv2.waitKey(1)&0xFF==ord('q'):breakcv2.destroyAllWindows()

：13467张｜低空空中目标检测数据集 反无人机/鸟类/飞机/直升机
正文：
低空空中目标检测数据集，总计13467张图像，覆盖无人机、鸟类、飞机、直升机4类典型空中目标。
数据集适配低空空域感知、反无人机任务，覆盖城市、山地、海岸、远距离小目标等全场景，含普通图像+视频抽帧样本，标准YOLO格式标注。
可直接用于可见光空中目标检测、小目标识别、反无人机算法训练与评测，适合安防监控、低空安防项目、计算机视觉毕设开发。

八、关键词标签

#低空目标检测 #反无人机数据集 #空中目标识别 #无人机检测 #小目标检测 #YOLO数据集 #空域安防