摘要：多类别无人机检测数据集（YOLOv）是一个专为反无人机探测系统设计的目标检测数据集，包含 5 类无人机在白天、夜晚和雾霾条件下的图像。
数据集简介
数据集概述
多类别无人机检测数据集（YOLOv）是一个专为反无人机探测系统设计的目标检测数据集，包含 5 类无人机在白天、夜晚和雾霾条件下的图像。无人机已成为现代战争的标志性特征——从俄乌冲突到美伊对抗，廉价的大规模生产无人机正在重塑战场格局。构建有效的反无人机探测系统是目前国防技术领域最紧迫的人工智能应用挑战之一。该数据集包含 10,000 张带 YOLO 格式边界框标签的图像，分为训练集、验证集和测试集，专为 YOLO 模型即插即用而设计。数据集包含在美伊战争中常见的五种无人机类型，为增强模型鲁棒性，包含三种不同视觉条件（白天/夜晚/雾霾）。
数据集包含 10,000 张图像，分为 3 个子集：
(1) 训练集（Train）：7,003 张图像（70.0%）；
(2) 验证集（Validation）：2,001 张图像（20.0%）；
(3) 测试集（Test）：996 张图像（10.0%）。
5 个无人机类别：
(1) dji_mavic（大疆御，商用无人机）；
(2) mohajer_6（穆哈杰-6，伊朗无人机）；
(3) mq9_reaper（死神无人机，美国无人机）；
(4) shahed_136（沙赫德-136，伊朗无人机）；
(5) shahed_238（沙赫德-238，伊朗无人机）。
视觉条件：白天（Daytime）、夜晚（Night）、雾霾（Haze）三种不同条件，以增强模型鲁棒性。
标注格式：YOLO 格式边界框标签，预配置可与 YOLO 模型即插即用。无人机尺寸：图像中无人机尺寸有意控制在较小范围内，适合测试小目标检测技术（如 SAHI）。数据集格式：已预先配置好 dataset.yaml 文件，可直接用于 YOLOv8 训练。
支持反无人机系统（C-UAS）开发、YOLOv8 模型训练、小目标检测优化（SAHI）、实时无人机检测、迁移学习研究（预训练 vs 从头训练）、国防技术、军事 AI、目标检测基准测试、多条件鲁棒性研究和边缘设备部署。
数据集来源
无人机尺寸小目标，专为反无人机系统（C-UAS）、国防技术和实时检测设计。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-167
文件大小：2.3G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)