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）
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/bda7a87be9c3c4996dd337ecebc9c4df.png)

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。
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/b85b4d12bb37e274bc9c0f2e4ccd8325.png)

类别：数据集（目标检测），共约 284 MB![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/a53a3ff5ec2e8c30501a7889d2d804de.png)

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。![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/ba26d2e554dcccd148672cb502960b93.png)

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。![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/d98a0d484e0886a59d1a6c8437a58595.png)

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。![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/0ccb812e07e188264261189244e2d19e.png)

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
| 项目 | 详细参数 |
| ---- | ---- |
| 数据集名称 | 低空空中目标检测数据集 |
| 任务类型 | 目标检测 Object Detection |
| 核心适用场景 | 低空空域感知、反无人机（Anti-UAV）、空中小目标检测 |
| 图像总量 | 13467张 |
| 数据集划分 | 训练集：9549张<br>验证集：2099张<br>测试集：1819张 |
| 目标类别 | 4类：Airplane（飞机）、Bird（鸟类）、Drone（无人机）、Helicopter（直升机） |
| 标注总数 | 14701个目标边界框 |
| 标注格式 | YOLO TXT 标准格式 |
| 图像分辨率 | 163×134 ~ 3840×2178，多数样本为640×512 / 640×640 |
| 文件大小 | 约284MB |
| 覆盖场景 | 纯天空、城市、山地、森林、海岸、远距离小目标、多目标干扰、复杂背景 |
| 样本来源 | 普通图像样本 + 可见光视频抽帧样本 |

## 二、类别分布详情表
| 类别英文名称 | 中文释义 | 标注框数量 |
| ---- | ---- | ---- |
| Drone | 无人机 | 5961个 |
| Bird | 鸟类 | 3474个 |
| Airplane | 固定翼飞机 | 2585个 |
| Helicopter | 直升机 | 2681个 |
| 合计 | - | 14701个 |

## 三、数据集YOLO配置文件 `aerial_target.yaml`
```yaml
path: ./aerial_target_dataset
train: images/train
val: images/val
test: images/test

nc: 4
names:
  0: Airplane
  1: Bird
  2: Drone
  3: Helicopter
```

## 四、环境依赖安装
```bash
pip install ultralytics 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
```python
from ultralytics import YOLO

def main():
    # 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`
```python
from ultralytics import YOLO
import cv2

# 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
    for res in results:
        frame = res.plot()
        cv2.imshow("低空空中目标检测", frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    cv2.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


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。

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）YOLOV11模型如何训练无人机小目标检测数据集

人工智能

算法

大数据

低空空中目标检测数据集包含13,467张图像，涵盖无人机、鸟类、飞机、直升机4类目标，适用于反无人机、空域感知及小目标检测任务。数据集覆盖城市、山地、海岸等多场景，提供YOLO格式标注，支持算法训练与评测，适合安防监控、计算机视觉开发。

计算机视觉

代码解释

YOLO

2026上云采购 | AI焕新·智启新局

datainlong

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

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）YOLOV11模型如何训练无人机小目标检测数据集-腾讯云开发者社区-腾讯云

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）YOLOV11模型如何训练无人机小目标检测数据集

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）YOLOV11模型如何训练无人机小目标检测数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐