简介本资源为面向红外场景下直升机目标检测的YOLO系列算法训练数据集适合从事无人机侦察、红外图像识别、军事目标检测等方向的研究人员与算法工程师使用可解决红外小目标样本稀缺、标注格式不统一的问题。压缩包共1372个文件包含457张jpg红外图像、457个txt格式YOLO标签、457个xml格式VOC标签以及1个yaml配置文件整体约21.74MB两种标注格式分别存放便于直接接入不同训练框架。数据集已按训练与验证需求划分完毕标签覆盖类别索引与归一化中心点、宽高信息可直接用于yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等模型的训练与测试。目前已有129人学习下载读者可快速获得一套开箱即用的红外直升机检测数据省去采集与标注成本将精力集中于模型调参与效果验证。1. 红外直升机数据集上手457 张带标签图像能直接跑 YOLO 吗拿到一个红外直升机数据集第一反应通常不是“太好了”而是“这玩意儿能直接训练吗”。这个包给的是 457 张红外图像文件名像img_0697_8.jpg、img_0697_14.jpg这种带 YOLO 格式 txt 和 VOC 格式 xml 两套标签已经划分好训练验证结构。对做 yolo 目标检测的从业者来说它解决的是“没有红外小目标数据、自己标又费时”的问题适合想验证 yolov5、yolov8、yolov9、yolov7、yolov10、yolo11 训练链路的人。但 457 张属于小样本红外图像对比度低、目标边缘糊直接套默认参数大概率翻车。下面按“先看懂标签、再跑通训练、最后避坑”的顺序拆一遍。2. 标签格式与目录结构YOLO txt 和 VOC xml 到底怎么对应2.1 两种标签的坐标逻辑差异YOLO 格式一行一个目标结构是class x_center y_center width height后四个值都是相对图像宽高的归一化比例范围 0 到 1。VOC 格式是 xml里面xmin/ymin/xmax/ymax是绝对像素坐标类别用name文本表示。同一个目标在两套文件里描述的是同一个框只是表达方式不同。红外直升机这个数据集里类别索引从 0 开始通常只有一个类别也就是直升机本身。理解这一点很关键如果你拿 VOC 的 xml 直接喂给 YOLO 训练脚本脚本会报解析错误或者把坐标当成归一化值框会全部跑到图像左上角。反过来把 YOLO txt 当 VOC 用坐标会小得几乎看不见。所以第一步永远是确认你用的训练框架吃哪种格式。2.2 目录结构核对与类别确认拿到压缩包解压后常见结构是images/和labels/两个文件夹或者JPEGImages/和Annotations/。这个数据集摘要里明确说“分别保存在两个文件夹中”所以先列目录确认。# 查看解压后的目录层级确认 images 和 labels 是否成对 find . -maxdepth 2 -type d | sort # 统计图像数量和标签数量两者应该一致 find ./images -name *.jpg | wc -l find ./labels -name *.txt | wc -l # 查看一个标签文件内容确认类别索引和坐标范围 cat ./labels/img_0697_8.txt逻辑说明find用来确认目录结构wc -l统计数量如果图像 457 张而标签只有 400 个说明有漏标或文件缺失。cat看具体内容正常一行应该是0 0.512 0.634 0.087 0.121这种如果看到0 512 634 87 121这种大于 1 的数说明标签没归一化需要转换。参数说明-maxdepth 2限制递归深度避免在大数据集上扫太久。类别索引从 0 开始如果只有直升机一个类所有行的第一个数字都应该是 0。如果出现 1、2说明有多类或者标签串了。2.3 写一个校验脚本把问题提前暴露在训练之前我一般会写个小脚本扫一遍所有标签检查坐标是否越界、类别是否超范围、有没有空文件。import os import glob label_dir ./labels img_dir ./images num_classes 1 # 红外直升机数据集通常只有一类 bad_files [] for txt_path in glob.glob(os.path.join(label_dir, *.txt)): with open(txt_path, r) as f: lines f.readlines() if len(lines) 0: bad_files.append((txt_path, 空标签文件)) continue for line in lines: parts line.strip().split() if len(parts) ! 5: bad_files.append((txt_path, 字段数不对)) break cls, x, y, w, h map(float, parts) if cls num_classes: bad_files.append((txt_path, f类别越界: {cls})) if not (0 x 1 and 0 y 1 and 0 w 1 and 0 h 1): bad_files.append((txt_path, f坐标越界: {x},{y},{w},{h})) print(f问题文件数: {len(bad_files)}) for p, reason in bad_files[:10]: print(p, reason)逻辑说明遍历所有 txt逐行拆分检查字段数、类别索引、坐标范围。空标签文件在目标检测里是合法的负样本但如果是漏标就要注意。坐标越界通常意味着归一化时除了错误的宽高或者标注工具导出有问题。参数说明num_classes按实际类别数改这个数据集如果只有直升机就写 1。bad_files[:10]只打印前 10 条避免刷屏。跑完如果问题文件数为 0说明标签干净可以进入训练配置。3. 训练配置落地从 data.yaml 到 yolov8 跑通第一个 epoch3.1 写对 data.yaml 是跑通的前提YOLO 系列训练都依赖一个 yaml 描述文件告诉框架图像路径、类别数、类别名。这个数据集已经划分好常见是train、val两个子目录或者images/train、images/val。# data_helicopter.yaml path: ./dataset # 数据集根目录 train: images/train # 训练图像相对路径 val: images/val # 验证图像相对路径 nc: 1 # 类别数红外直升机只有一类 names: 0: helicopter # 类别名按实际改逻辑说明path是根目录train和val是相对path的路径。YOLO 会自动把images替换成labels去找标签所以目录命名要规范。nc必须和标签里的最大类别索引加一一致否则训练时分类头维度对不上。参数说明如果数据集结构是train/images和train/labels那train就写train/images。names的键从 0 开始和标签里的 class 对应。改完 yaml 先用几行代码验证路径是否存在。import yaml from pathlib import Path with open(data_helicopter.yaml) as f: cfg yaml.safe_load(f) root Path(cfg[path]) for split in [train, val]: p root / cfg[split] print(split, p, 存在 if p.exists() else 不存在)逻辑说明读 yaml拼路径检查目录是否存在。这一步能避免训练启动后报No images found这种低级错误。3.2 用 yolov8 跑通训练并观察红外小目标表现环境装好 ultralytics 之后一条命令就能启动。红外图像建议先用较小模型验证链路别一上来就上大模型。# 安装 ultralyticsyolov8/yolo11 都用这个包 pip install ultralytics # 启动训练imgsz 用 640batch 根据显存调 yolo detect train \ datadata_helicopter.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ projectruns/helicopter \ nameexp1逻辑说明modelyolov8n.pt用 nano 版先跑通红外小目标对模型容量要求没那么高n 版能快速暴露数据问题。epochs100对小数据集够用太多会过拟合。project和name决定输出目录方便对比多次实验。参数说明imgsz640是常见输入尺寸红外图像如果原始分辨率低可以降到 416 或 512。batch16看显存8G 显存跑 640 的 n 版一般没问题。如果报显存不足先降 batch 再降 imgsz。训练日志里重点看mAP50和mAP50-95红外目标如果 mAP50 长期低于 0.3多半是标签或增强策略问题。3.3 验证与推理确认模型真的学到了直升机训练完在runs/helicopter/exp1/weights/下会有best.pt和last.pt。用验证集跑一遍再用单张图看效果。# 在验证集上评估 yolo detect val \ modelruns/helicopter/exp1/weights/best.pt \ datadata_helicopter.yaml \ imgsz640 # 单张图像推理并保存结果 yolo detect predict \ modelruns/helicopter/exp1/weights/best.pt \ source./images/val/img_0697_102.jpg \ saveTrue \ conf0.25逻辑说明val输出各类别 AP确认模型不是只学会了背景。predict的conf0.25是置信度阈值红外目标响应弱可以适当降到 0.15 看召回但太低会引入误检。参数说明saveTrue会把带框图像存到runs/detect/predict/。如果框位置明显偏移回到标签检查那一步。如果框对了但类别错检查names和标签 class 是否一致。4. 避坑与排查红外小目标训练最容易翻车的五件事4.1 现象训练 loss 正常下降但 mAP 一直是 0原因标签类别索引和data.yaml的names对不上或者标签文件根本没被读到。YOLO 在找不到标签时会当负样本处理loss 能降但学不到目标。解决用 2.3 的校验脚本扫一遍再确认labels目录和images目录层级对应。YOLO 找标签的规则是把图像路径里的images替换成labels扩展名换成.txt任何一层不对都会静默失败。4.2 现象验证集指标忽高忽低不同 epoch 差异巨大原因457 张图像划分后验证集可能只有几十张样本太少导致指标抖动。红外目标本身对比度低模型在不同批次间学到的特征不稳定。解决用交叉验证或者固定随机种子多跑几次取平均。yolo detect train加seed42固定种子deterministicTrue减少随机性。如果只是验证链路不必纠结单次指标。4.3 现象推理时框大量重叠或框到背景原因红外图像噪声大默认的 NMS 阈值和置信度阈值不适合。另外训练时用了 mosaic 增强红外图像拼接后目标更小更难学。解决推理时调iou0.5控制 NMSconf从 0.25 往上试。训练时对红外数据可以关掉 mosaicyolo detect train ... mosaic0.0让模型看到更多原始尺度目标。4.4 现象换到 yolov5 训练报标签格式错误原因yolov5 和 yolov8 的目录约定略有差异yolov5 的data.yaml里train和val通常直接指向图像目录且对nc和names的写法更严格。解决yolov5 的 yaml 写成train: ./images/train、val: ./images/valnc: 1names: [helicopter]。如果还报错检查 txt 里有没有多余空格或空行yolov5 对格式更敏感。4.5 现象训练到一半显存爆了原因batch或imgsz设太大或者workers太多导致内存泄漏。红外图像虽然小但 457 张全加载加上增强会占内存。解决先降batch到 8 或 4再降imgsz到 512。workers设成 4 或 8不要超过 CPU 核数。如果还爆用cacheFalse关掉缓存。5. 进阶技巧把 457 张红外数据用到极致小样本红外数据集想提升效果核心思路是“让每一张图产生更多有效梯度”。我一般会从三个方向下手增强策略、迁移学习、以及标签格式转换后的多框架验证。先说增强。红外图像和可见光不同颜色抖动、HSV 变换基本没用反而会引入噪声。有效的是随机缩放、平移、水平翻转以及适度的亮度对比度扰动。在 ultralytics 里可以这样配yolo detect train \ datadata_helicopter.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch8 \ hsv_h0.0 hsv_s0.0 hsv_v0.2 \ degrees0.0 translate0.1 scale0.5 \ fliplr0.5 mosaic0.0 \ projectruns/helicopter \ nameexp2_ir逻辑说明hsv_h和hsv_s关掉只留hsv_v0.2做亮度扰动模拟红外成像的温差变化。mosaic0.0关掉拼接避免小目标被进一步缩小。scale0.5允许目标在 0.5 到 1.5 倍之间缩放增加尺度多样性。参数说明degrees0.0不做旋转红外目标旋转后边缘更糊。translate0.1小幅平移防止目标总在中心。这些参数不是绝对的如果验证集 mAP 有提升就保留掉了就回退。再说迁移学习。直接用 COCO 预训练的yolov8n.pt比从头训好因为底层边缘特征通用。如果红外目标和可见光差异太大可以先在更大的红外数据集上预训练再拿这个 457 张微调。没有大红外数据的话冻结 backbone 前几层训练几轮再解冻也能稳住。最后是格式转换验证。这个数据集同时给了 YOLO txt 和 VOC xml可以写个脚本互转用同一批图像在不同框架上跑对比指标。比如把 xml 转成 txt 喂给 yolov5把 txt 转成 xml 喂给 MMDetection看哪套链路对这个红外数据更友好。转换时注意 VOC 的xmax/ymax是包含边界的转 YOLO 时w (xmax - xmin) / img_w别多算一个像素。import xml.etree.ElementTree as ET from PIL import Image def voc_to_yolo(xml_path, img_path, class_map): tree ET.parse(xml_path) root tree.getroot() img Image.open(img_path) iw, ih img.size lines [] for obj in root.findall(object): name obj.find(name).text cls class_map[name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) xc (xmin xmax) / 2 / iw yc (ymin ymax) / 2 / ih w (xmax - xmin) / iw h (ymax - ymin) / ih lines.append(f{cls} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) return lines逻辑说明解析 xml读图像尺寸把绝对坐标转成归一化中心点加宽高。class_map把类别名映射成索引保证和data.yaml一致。输出保留 6 位小数避免精度损失。参数说明xmax - xmin就是框宽不用加一VOC 的坐标是像素索引直接相减即可。如果转换后框偏移一个像素检查图像尺寸是否读对有些 jpg 带 EXIF 旋转信息PIL 读出来可能和标注时不一致。从那以后我每次拿到新数据集都强制走一遍“数量核对 → 标签校验 → 单张可视化 → 小模型试跑”这四步确认没问题再上大模型和长训练。红外直升机这个包结构清晰、双格式标签省事457 张虽然不多但用来验证 YOLO 训练链路、调增强参数、对比不同版本表现完全够用。希望帮到你。本文还有配套的精品资源点击获取