无人机、飞机、直升机检测，yolo和voc两种目标检测标注方式
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/d9e3764723d0bc4e055809a9d61b5223.png)

标签数：11998
框数: 9975![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/61e19eff30f43f28ec7f97aba854ad9a.png)


含3个类别以及框数：
AirPlane (2535), Drone (4812), Helicopter (2628)![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/97ebebf0b8cba7f4fb6e11067cacb603.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/b27a8b02c7769fcd53436fa2b444778a.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/97b37b62328b914b9233b7ad1309317d.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/ecb3370f99906eea72ad6c1733618d81.png)
# 无人机、飞机、直升机目标检测数据集

## 数据集信息表格

| 项目 | 详情 |
| --- | --- |
| 数据集名称 | 空中飞行器目标检测数据集 |
| 总图像数量 | 11998张 |
| 标注总框数 | 9975个 |
| 标注格式 | YOLO、VOC |
| 类别总数 | 3类 |
| 类别分布 | AirPlane(飞机):2535框   Drone(无人机):4812框   Helicopter(直升机):2628框 |

## 标签对照表

| 类别ID | 英文标签 | 中文标签 |
| --- | --- | --- |
| 0 | AirPlane | 飞机 |
| 1 | Drone | 无人机 |
| 2 | Helicopter | 直升机 |

## 应用场景

1. 低空安防、机场周边空域监控，识别闯入的无人机、直升机、民航飞机
2. 边境、厂区、重要基础设施的视频空中目标预警，区分飞行器种类
3. 遥感图像、摄像头视频流空中目标检测，辅助空域态势感知
4. 反无人机系统图像识别模块，自动区分无人机与正常飞行器，降低误报

## YOLOv11训练代码

### 1、数据集配置文件 aircraft.yaml

```
path: ./aircraft_dataset
train: images/train
val: images/val

names:
  0: AirPlane
  1: Drone
  2: Helicopter
```

### 2、训练脚本 train_aircraft.py

```
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO("yolo11n.pt")
    results = model.train(
        data="aircraft.yaml",
        epochs=80,
        imgsz=640,
        batch=12,
        device=0,
        workers=4,
        project="aircraft_detect",
        name="yolo11n_aircraft",
        amp=True,
        mosaic=0.8,
        conf=0.25
    )
```

### 3、推理脚本 predict_aircraft.py

```
from ultralytics import YOLO
import cv2

model = YOLO("./aircraft_detect/yolo11n_aircraft/weights/best.pt")

def detect_aircraft(img_path):
    res = model(img_path, conf=0.3)
    for r in res:
        img = r.plot()
        cv2.imwrite("aircraft_result.jpg", img)
    return img

if __name__ == '__main__':
    detect_aircraft("test_air.jpg")
```

## 环境安装

```
pip install ultralytics opencv-python
```



含3个类别以及框数：AirPlane (2535), Drone (4812), Helicopter (2628)

无人机、飞机、直升机检测，yolo和voc两种目标检测标注方式

人工智能

算法

客户端

基于11998张图像的空中飞行器目标检测数据集，含9975个标注框，覆盖飞机（2535框）、无人机（4812框）、直升机（2628框）三类目标。提供YOLO和VOC双格式标注，适用于低空安防、机场监控及反无人机系统，支持YOLOv11训练与推理部署。

图像识别

代码解释

YOLO

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、飞机、直升机检测，yolo和voc两种目标检测标注方式-腾讯云开发者社区-腾讯云

无人机、飞机、直升机检测，yolo和voc两种目标检测标注方式

无人机、飞机、直升机检测，yolo和voc两种目标检测标注方式

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