YOLO无人机巡检目标检测数据集+450图片+已标注voc和yolo格式标签.rar下载-CSDN社区

● 数据集介绍：无人机视角空中救援目标检测数据集，真实应急救援场景高质量航拍图片数据，涉及场景丰富，比如森林火灾监测、地震灾后搜救、城市消防救援、野外车辆搜救、人员受困定位、夜间红外搜救、恶劣天气救援等，且类别丰富，划分为 "fire"、"vehicle"、"human" 三个类别； ● 适用实际项目应用：无人机应急救援场景下多目标检测项目，灾害现场快速搜救定位系统，森林防火智能巡查项目，以及作为无人机空中巡检通用目标检测数据集场景数据的补充； ● 标注说明：采用 labelimg 标注软件进行标注，标注质量高，提供 VOC(xml)、COCO (json)、YOLO (txt) 三种常见目标检测数据集格式，可以直接用于如 YOLO 等的算法训练； ● 附赠训练示例：提供 YOLO11 一键训练脚本，提供 GPU(GPUs)、CPU、Mac(M芯片) 多平台训练方案支持，提供博主训练结果日志供参考；注意：由于数据集资源比较大，所以托管在我的百度网盘，所以这里的资源格式是 PDF，内附数据集基本情况介绍以及数据集获取方式！

1、资源描述：自己制作的数据集，用于无人机巡检环境下的目标检测与识别，数据集共1052张图片，一共分为四类（树木，电力塔架，四旋翼，房屋）。严格按照voc2007格式制作，直接用与深度学习目标检测与识别算法（faster rcnn，yolo等）的训练。 2、资源特点：数据质量高、标注框质量高，可以直接用于yolo目标检测 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 4、更多数据集合和仿真源码下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 5、作者介绍：某大厂资深算法工程师，从事Matlab、Python、C/C++、Java、YOLO算法仿真工作10年；擅长计算机视觉、目标检测模型、智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验，欢迎交流学习。

● 数据集介绍：无人机视角空中救援目标检测数据集，真实应急救援场景高质量航拍图片数据，涉及场景丰富，比如森林火灾监测、地震灾后搜救、城市消防救援、野外车辆搜救、人员受困定位、夜间红外搜救、恶劣天气救援等，且类别丰富，划分为 "fire"、"vehicle"、"human" 三个类别； ● 适用实际项目应用：无人机应急救援场景下多目标检测项目，灾害现场快速搜救定位系统，森林防火智能巡查项目，以及作为无人机空中巡检通用目标检测数据集场景数据的补充； ● 标注说明：采用 labelimg 标注软件进行标注，标注质量高，提供 VOC(xml)、COCO (json)、YOLO (txt) 三种常见目标检测数据集格式，可以直接用于如 YOLO 等的算法训练； ● 附赠训练示例：提供 YOLO11 一键训练脚本，提供 GPU(GPUs)、CPU、Mac(M芯片) 多平台训练方案支持，提供博主训练结果日志供参考；注意：由于数据集资源比较大，所以托管在我的百度网盘，所以这里的资源格式是 PDF，内附数据集基本情况介绍以及数据集获取方式！

数据集介绍：高空军事目标检测数据集 一、基础信息 数据集名称：高空军事目标检测数据集 图片规模： - 训练集：3,928张无人机航拍图像 - 验证集：1,291张高空视角图像目标类别： 1. 机场：包含跑道、航站楼等基础设施 2. 直升机：旋翼类航空器目标 3. 油罐：圆柱形储油设施 4. 飞机：固定翼航空器目标 5. 军舰：海上作战舰艇技术规格： - 标注格式：YOLO格式坐标标注 - 数据来源：无人机及高空平台采集的真实场景数据二、适用场景军事侦察系统开发：支持构建自动识别军事设施的AI模型，适用于边境巡逻、海域监控等国防安全应用交通枢纽智能监控：适用于机场跑道飞机调度监控、港口舰船动态追踪等智慧交通场景能源设施安全管理：油罐识别功能可应用于油气储运基地的安防巡检和异常检测计算机视觉研究：为航空影像处理、小目标检测等前沿领域提供高质量研究数据国防教育应用：可作为军事院校教学资源，用于目标识别算法的实践教学三、核心优势战略目标全覆盖：包含海陆空三领域关键军事目标，涵盖5类高价值战略设施检测需求真实作战场景数据：全部采用实战化场景采集数据，包含复杂背景干扰和不同光照条件密集目标标注能力：单图支持多目标检测（如军舰甲板多直升机同时标注），最大单图标注实例数达12个多尺度目标适配：同时包含大型目标（机场跑道）和小型目标（舰载直升机），支持模型多尺度检测能力训练任务扩展性强： YOLO格式标注可直接应用于主流检测框架，支持向实例分割、目标跟踪等任务扩展