简介一套基于PASCAL VOC 2012定制筛选的专用飞机检测数据集只保留aeroplane这一目标类别面向需要训练YOLO等实时目标检测模型的开发者和算法学习者可用于航空监控、无人机巡检、机场安检等场景中的飞机识别定位。整个压缩包共2149个文件含716张jpg原图、717个txt标签和716个xml标签总大小56.85MBtxt标签记录边界框坐标xml标签补充类别与更详细的区域注解图像与标签一一对应解压后可直接配合Darknet等YOLO训练框架使用。已有1256人学习下载。数据集覆盖不同角度、光照和遮挡条件的真实图像训练时可自行划分训练集与验证集也能在此基础上做数据增强和超参数调优帮助快速上手YOLO数据组织方式与目标检测流程。1. 先看清这份 aeroplane_VOCtrainval2012.zip 到底值不值的下YOLO飞机检测数据集 aeroplane_VOCtrainval2012.zip 不是那种「又大又全」的通用目标检测包它是从 PASCAL VOC 2012 的 trainval 里专门筛出来的单类子集一共 716 张带飞机的图片外加每张图对应的 txt 和 xml 两种标签文件。对刚入门 YOLO 或者想快速跑通一个完整训练流程的人来说这份资源的价值在于省掉你从二十个类别的 VOC 全集里挑图、筛框的时间——解压、划分、配好 data.yaml就能直接进训练。它的适用场景很聚焦单类飞机检测的训练与验证适合正在学 YOLO 结构、想看清 label 格式怎么影响 loss或者需要一份干净的航空器数据集做预实验的从业者。不适合想要很多类别的通用检测模型、也不适合要海量数据跑大模型的人。2. 标签格式拆解txt 和 xml 里各写了什么这份数据集里每张 jpg 都有两个同名的标签文件。你在解压后看到的典型文件结构是这样的aeroplane_VOCtrainval2012/ ├── 2010_001426.jpg ├── 2010_001426.txt ├── 2010_001426.xml ├── 2008_008086.jpg ├── 2008_008086.txt ├── 2008_008086.xml ...图片是原始照片txt 是给 YOLO 训练直接用的归一化坐标xml 是 PASCAL VOC 原始标注。两个格式记录的是同一个框但表达方式完全不同转换不当会在训练时埋下大坑。2.1 txt 标签格式一行一个目标打开任意一个 txt 文件每一行对应一张图中的一个飞机实例格式是五个数字0 0.431603 0.288750 0.346690 0.050729第一个数字是类别 ID后面四个是归一化后的边界框参数。YOLO 系列从 v3 到 v8 都用这种格式它的定义如下参数含义取值范围class目标类别 ID非负整数本数据集只有 0x_center边界框中心点的横坐标除以图片宽度0 到 1y_center边界框中心点的纵坐标除以图片高度0 到 1width边界框宽度除以图片宽度0 到 1height边界框高度除以图片高度0 到 1注意这里的坐标全部是归一化后的比例值不是像素坐标。YOLO 在训练时会先对图片做 resize再用这些归一化坐标在特征图的各个尺度上做匹配所以用比例值能让标注在不同分辨率的输入图片上保持语义一致。如果你看到某个 txt 里出现负数、大于 1 的值或宽高为 0那这份标签基本可以判死刑训练时轻则 loss 不降重则直接崩。2.2 xml 标签格式PASCAL VOC 的原始标注长什么样xml 文件是 VOC 原始的标注格式记录的信息比 txt 多很多。以 2010_001426.xml 为例核心内容是这样的annotation filename2010_001426.jpg/filename size width800/width height600/height depth3/depth /size object nameaeroplane/name poseLeft/pose truncated0/truncated difficult0/difficult bndbox xmin345/xmin ymin173/ymin xmax622/xmax ymax203/ymax /bndbox /object /annotationxml 里的 bndbox 给出的是绝对像素坐标同时附带目标类别名、是否截断、是否难例等额外信息。YOLO 训练时不会直接用 xml而是需要先把 bndbox 转成 2.1 里的归一化五元组。常见的做法是写一个 Python 转换脚本读 xml、算中心点坐标、再做归一化写入 txt。# xml_to_yolo.py import xml.etree.ElementTree as ET import os def xml_to_txt(xml_path, txt_path): # 解析PASCAL VOC格式的xml tree ET.parse(xml_path) root tree.getroot() # 读取图片尺寸供坐标归一化使用 size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) lines [] for obj in root.iter(object): name obj.find(name).text # 在本数据集中只保留 aeroplane 类别 if name ! aeroplane: continue # 关键点单类数据集的类别ID固定写0 class_id 0 box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) # 计算中心点和宽高 x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 组装成YOLO格式的txt行 lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(txt_path, w) as f: f.write(\n.join(lines)) # 批量转换 xml_dir aeroplane_VOCtrainval2012 for f in os.listdir(xml_dir): if f.endswith(.xml): xml_path os.path.join(xml_dir, f) txt_path os.path.join(xml_dir, f.replace(.xml, .txt)) xml_to_txt(xml_path, txt_path)这段脚本里有几处需要说明。class_id 0 是强制写死的不是从 xml 里读的因为 aeroplane 在 PASCAL VOC 全集类别顺序里排第二类person 是第 0 类aeroplane 是第 1 类但这份数据集只保留飞机一个类别data.yaml 里只有一个名字叫 aeroplane 的类所以 YOLO 的 class 索引必须从 0 开始。x_center 和 y_center 是中心像素坐标除以图片宽高全部变成 0~1 区间的小数。归一化时如果你图片尺寸读错了比如把 height 当成 width生成的框就会被拉成竖条或扁条训练时 loss 虽然能降但检测框完全不对。2.3 图片分辨率与场景特征直接影响训练参数VOC2012 的图片不是统一尺寸的有的 800×600有的 1024×768。训练时模型会把输入 resize 成一个固定正方形通常是 640×640。图片里的飞机有停在停机坪上的、有低空飞行的、有远处带仰角的部分图里目标很小只有几十个像素。# 统计图片尺寸分布 python -c from PIL import Image import os sizes set() for f in os.listdir(aeroplane_VOCtrainval2012): if f.endswith(.jpg): img Image.open(os.path.join(aeroplane_VOCtrainval2012, f)) sizes.add(img.size) print(sorted(sizes))看输出你会得到一张尺寸列表比如 [(500, 375), (800, 600), (1024, 768)]。这意味着 imgsz 参数不能设太小否则小尺寸原图被压缩后飞机细节全丢。分辨率跨度大也说明训练时的数据增强里应该打开 mosaic 和 random_perspective让模型对不同缩放尺度更鲁棒。3. 整理目录结构数据划分与 data.yaml 配置拿到解压后的图片和标签不能直接丢给 YOLO 训练。Ultralytics YOLO 默认的目录结构要求图片和标签分开放并且训练集、验证集要单独建目录。这一章直接给出可复制的目录搭建脚本。3.1 为什么要按 images 和 labels 分目录YOLO 训练时通过图片路径推断标签路径默认规则是找同目录下的同名 txt 文件但如果图片和标签混在一起文件多了之后很容易错配。标准的目录结构是datasets/ └── aeroplane/ ├── images/ │ ├── train/ │ │ ├── 2010_001426.jpg │ │ └── ... │ └── val/ │ ├── 2008_008086.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── 2010_001426.txt │ │ └── ... │ └── val/ │ ├── 2008_008086.txt │ └── ... └── data.yaml图片在 images/train/xxx.jpg标签在 labels/train/xxx.txt两者文件名完全相同只有扩展名不一样。validation 同理。这样设计的好处是你只需要在 data.yaml 里分别指定 train 和 val 的图片目录YOLO 会自动去找对应的 labels 目录。3.2 数据划分脚本随机分配加完整性校验我一般不会手动拖文件而是写一个划分脚本一次性完成创建目录、打乱、拷贝、校验四件事。# split_data.py import os import random import shutil src_dir aeroplane_VOCtrainval2012 dst_dir datasets/aeroplane train_ratio 0.8 random.seed(42) # 收集所有图片文件 images [f for f in os.listdir(src_dir) if f.endswith(.jpg)] random.shuffle(images) split_idx int(len(images) * train_ratio) train_files images[:split_idx] val_files images[split_idx:] # 创建目标目录 for split in [train, val]: os.makedirs(os.path.join(dst_dir, images, split), exist_okTrue) os.makedirs(os.path.join(dst_dir, labels, split), exist_okTrue) def copy_paired(split_files, split_name): missing_txt [] for img_name in split_files: base os.path.splitext(img_name)[0] src_img os.path.join(src_dir, img_name) src_txt os.path.join(src_dir, base .txt) # 关键校验标签文件必须存在 if not os.path.exists(src_txt): missing_txt.append(base) continue dst_img os.path.join(dst_dir, images, split_name, img_name) dst_txt os.path.join(dst_dir, labels, split_name, base .txt) shutil.copy2(src_img, dst_img) shutil.copy2(src_txt, dst_txt) return missing_txt print(train missing txt:, copy_paired(train_files, train)) print(val missing txt:, copy_paired(val_files, val)) print(train count:, len(train_files), val count:, len(val_files))脚本里最关键的是 copy_paired 函数里的 exists 判断。训练集里如果混入一张没有 txt 的图YOLO 会跳过它并打印 warning但如果缺失比例过高模型能学到的样本变少直观表现就是 mAP 上不去。random.seed(42) 保证每次运行得到相同划分便于复现你自己的训练结果。train_ratio 设成 0.8 在 716 张图的总量下大约能得到 572 张训练、144 张验证对单类任务足够。3.3 写 data.yaml路径和类别 ID 别搞错完成目录划分后在 datasets/aeroplane/ 下新建 data.yaml# data.yaml path: /absolute/path/to/datasets/aeroplane train: images/train val: images/val names: 0: aeroplanepath 建议写绝对路径因为 YOLO 在运行时会以当前工作目录为基准解析相对路径如果你在项目根目录跑训练写相对路径很容易踩坑。names 的索引必须和 txt 里的第一个数字对应这份数据集里全是 0所以 names 只有 0 这一个键。类别名 aeroplane 仅用于显示不影响训练效果但你将来想改成 airplane 也完全可以只要保持索引 0 不变。4. 用 YOLOv8 训练飞机检测模型目录准备好了接下来进入训练环节。这一章讲模型选型、训练命令和训练日志的判读方法按这套参数配置可以直接跑通不需要额外调参。4.1 模型选型为什么从 yolov8n 开始716 张图属于小规模数据集模型选太大容易过拟合选太小的又怕精度不够用。Ultralytics YOLOv8 系列里 yolov8n 是最轻量的版本参数量大约 320 万适合在单卡小显存环境下快速迭代。有人会问怎么不用 yolov5s其实两者都能做但 yolo 命令在 v8 里默认集成了更多数据增强策略对 VOC 这种小数据集更友好。如果你用的也是 ultralytics 框架首次执行训练命令时会自动下载 yolov8n.pt 预训练权重不需要手动去网页找。网络条件一般的情况下可以先把 pt 文件放到项目根目录命令行指定 model 参数时用本地文件名避免运行时报下载超时。模型参数量适用场景yolov8n约 320 万小数据集、边缘设备、快速验证yolov8s约 1110 万精度要求更高、显存充足yolov8m约 2590 万大模型本数据集不建议4.2 训练命令与关键参数说明从项目根目录执行yolo detect train \ datadatasets/aeroplane/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ patience20 \ pretrainedTrue各参数的作用如下表参数作用建议值data指向 data.yaml 的路径绝对路径最稳model模型结构或预训练权重首次用 yolov8n.ptepochs训练轮数100 起步看验证集 mAP 是否继续涨imgsz训练输入分辨率640 兼顾速度和精度batch每批图片数按显存调整6G 显存建议 8patience早停阈值验证 mAP 连续多少轮不涨就停止20pretrained是否加载 COCO 预训练权重True显存不够时的表现是执行到一半报 CUDA out of memory。我一般先跑 batch8 试一轮看显存占用率再决定要不要往上加。patience20 的意思是验证集 mAP 连续 20 轮没有提升就提前终止能省不少时间因为你不知道 100 轮里哪一轮是真正的拐点。4.3 训练日志怎么看loss 曲线和 mAP训练开始时输出面板会长这样Epoch GPU_mem box_loss cls_loss dfl_loss Instances Size 1/100 2.1G 1.482 1.135 1.208 25 640 2/100 2.1G 1.201 0.9875 1.032 18 640判断训练是否健康的几个观察点。box_loss 是边界框回归损失持续下降说明模型在学框的位置cls_loss 是分类损失单类数据集里它应该降得很快因为只有两类有飞机和没飞机相当于二分类dfl_loss 是分布焦点损失负责框的边界精细度波动正常但整体趋势得向下。如果 box_loss 在第 20 轮以后还在明显下降说明 100 轮不够可以加 epochs。训练结束后在 runs/detect/train/ 下会生成 confusion_matrix.png、results.png 等文件results.png 里能看到每个 epoch 的 mAP50 和 mAP50-95。VOC 时代的传统指标是 mAP50即 IoU 阈值取 0.5 的平均精度评估这份数据集看 mAP50 即可。mAP50-95 是多个 IoU 阈值的平均数值通常比 mAP50 低不少不要拿它当主线指标。5. 避坑指南与常见问题亲手踩过的五个数据坑从拿到原始 zip 到训练结束最容易翻车的不是模型结构而是数据和标签层面的各种小毛病。以下五个问题是我在实测过程中遇到过的典型场景按「现象 → 原因 → 解决」的方式记录。5.1 训练时提示 no labels 或图片标签对不上现象训练启动时打印大量 WARNING或者执行到一半提示 no labels foundloss 一直不降。原因解压后的文件名大小写不一致或者部分图片本身缺标签文件。VOC 原始文件名全是小写 jpg但有人手动改名时会把扩展名改成大写 JPGYOLO 匹配标签只认 .txt 不认扩展名大小写关系找不到同名 txt 就跳过这张图。解决在划分脚本里加入 exists 检查见 3.2 的 copy_paired把缺失标签的图片单独输出到一个目录自己检查。我后来还养成了个习惯解压完先跑一个全量检查脚本统计图片数和标签数数值对得上再往下走。5.2 class ID 写错导致类别混乱现象训练时 loss 下降正常但验证集 mAP 很低可视化检测结果发现所有框都偏向图片某一边缘。原因aeroplane 在 PASCAL VOC 全局类别列表里是第 1 类person 是第 0 类如果转换脚本直接用了 VOC 的全局索引txt 里的 class 就变成 1但 data.yaml 里只有一个 0 类于是所有带 1 的标签在训练时被当成无效框模型学不到正确信息。解决单类数据集的 txt 里 class 一律写 0。写转换脚本时直接硬编码 class_id 0不要从 xml 里读取 name 映射这是最稳妥的做法。5.3 训练中期 bn 崩溃、loss 变成 NaN现象某个 epoch 时 loss 突然变 NaN或者报 RuntimeError: CUDA error: device-side assert triggered。原因标签里有坐标越界的框。比如某个 xml 里 xmax 比 xmin 还小或者某些手工标注的框宽高算出来是负数、坐标为 1.5 之类的越界值。归一化坐标必须严格落在 0~1 区间内宽高必须大于 0。解决训练前写一个数据校验脚本扫描所有 txt# validate_labels.py import os label_dir datasets/aeroplane/labels bad_files [] for split in [train, val]: for f in os.listdir(os.path.join(label_dir, split)): path os.path.join(label_dir, split, f) with open(path) as fh: for line in fh: parts line.strip().split() if len(parts) ! 5: bad_files.append(path) break x_c, y_c, w, h map(float, parts[1:]) if x_c 0 or x_c 1 or y_c 0 or y_c 1 or w 0 or h 0: bad_files.append(path) break print(failed files:, bad_files)运行后如果有输出就逐个检查对应图片修正或删除异常框。老版本 ultralytics 在遇到越界标签时不会预处理过滤直接进 CUDA 算子导致 crash所以越早扫出来越好。5.4 验证 mAP 高但实际检测不行现象VOC 测试集上 mAP50 很高但拿手机拍的飞机照片或无人机俯视图来测完全检测不到。原因VOC2012 中的 aeroplane 图片场景集中在中低空视角、目标主体比较完整训练样本里缺少小目标、遮挡、逆光和密集停机场景。模型学到的特征偏向 VOC 场景。解决把 conf 阈值调低比如 predict 时 conf0.15并且单独留一撮业务相关的图片做真实测试集不能只用 VOC 里的 val 图评估模型生产可用性。数据增强里的 mosaic、copy_paste 能缓解一部分但治本方法是补充自己场景的数据。5.5 解压后目录嵌套多了一层现象data.yaml 里 path 指向解压目录结果训练时找不到任何图片。原因压缩包在 Windows 上用默认解压工具解压时经常生成 aeroplane_VOCtrainval2012/aeroplane_VOCtrainval2012/xxx.jpg 这样的嵌套结构。解决解压后先养成习惯看一层目录结构确认 jpg 在最外层。路径配好后再跑yolo detect train如果还是报图片不存在打开 data.yaml 用绝对路径重新写一遍 path不要用相对路径猜。6. 模型验证与进阶从跑通到能落地6.1 对验证结果做一次置信度阈值调优训练完成后runs/detect/train/weights/ 下会有 best.pt 和 last.pt。best.pt 是根据验证集 mAP 选出来的最优权重推理时默认用它yolo predict \ modelruns/detect/train/weights/best.pt \ sourcedatasets/aeroplane/images/val \ conf0.25 \ iou0.45conf 是置信度阈值iou 是 NMS 的 IoU 阈值。conf 设高会漏掉小目标设低会多出误检框实际做法是先跑一遍 val 看混淆矩阵找到「飞机被分成背景」和「背景被分成飞机」的交叉点再决定把 conf 调到 0.15 还是 0.4。无人机或高空俯视的小飞机通常得调到 0.15 左右才不漏检iou 同时降到 0.3 防止密集飞机框被合并吞掉。6.2 导出 ONNX 和复用训练流程如果要把模型部署到 Jetson 或服务端导出成 ONNX 比直接跑 PyTorch 模型更快yolo export modelruns/detect/train/weights/best.pt formatonnx dynamicTrue导出后再用 ONNX Runtime 推理延迟能压到几十毫秒级。另外这套从 xml 转 txt、划分数据集、写 data.yaml、训练、看混淆矩阵的流程可以完整复用到你自己的单类项目只要把源数据换成自己的标注格式class_id 写 0 这一个关键点不变。我第一次拿这个数据集练手时没做标签校验训练到一半突然 device-side assert triggered翻遍训练日志才发现是有个 txt 里宽高算成了负数。从那以后我每转一次数据都强制走一遍越界扫描和文件名配对检查训练前花五分钟省下排查一整天的时间。希望帮到你。本文还有配套的精品资源点击获取