国内场景告诉识别 无人机数据集 无人机视角下机动车辆 非机动车辆的航拍巡检数据集
文章目录
- 国内场景无人机数据集：无人机视角下的“交通万物图鉴”
国内场景无人机数据集：无人机视角下的“交通万物图鉴”
2962张图像像一叠航拍速写本摊开——2212张训练图、590张验证图、160张测试图，构成了无人机视角下的交通场景数据库。
| 类别标签（中文） | 类别标签（英文） | 标注数量（单图） | 说明 |
|---|---|---|---|
| 汽车 | Car | 47 | 最主要类别，包含不同尺寸的家用/商用轿车，标注数量占比最高 |
| 摩托车 | Motor | 9 | 含普通摩托车及轻便型两轮机动车，标注位置多集中在道路两侧或车流中 |
| 货车 | Truck | 3 | 大型载货车辆，尺寸明显大于普通汽车，标注框面积通常较大 |
| 面包车 | Van | 5 | 中小型载客/载货两用车辆，尺寸介于汽车与货车之间 |
| 公交车 | Bus | 3 | 大型公共交通工具，标注数量较少但特征明确（车身长、载客量高） |
| 行人 | Pedestrian | 23 | 道路上的步行人员，标注框尺寸较小，多分布在人行道或车流间隙 |
| 人群（泛指） | People | 14 | 与“Pedestrian”均指行人，可能因标注场景（如密集人群/单独行人）略有区分 |
| 自行车 | Bicycle | 8 | 两轮非机动车，标注数量仅次于汽车、行人、摩托车 |
| 三轮车 | tricycle | 2 | 传统三轮代步/载货车辆，无遮阳棚设计 |
| 带棚三轮车 | Awning-tricycle | 2 | 加装遮阳棚的三轮车，多用于短途运输或载客，与普通三轮车区分标注 |
| 其他（未明确） | Others | 1 | 单例标注，暂未明确具体类型，可能为特殊小型交通工具或临时障碍物 |
| 未标注 | Unlabeled | - | 项目中存在的默认标签，用于未完成标注的图像或目标 |
| `”。 |
类别标签里藏着街头烟火气：Bus、Car、Motor、Truck、Van是主力，还有Tricycle、Pedestrian、People这类“流动的细节”，单张图最高标注13个目标，像给每张航拍图装了“万物识别索引 数据格式走的是“实用派路线”：原始标注用XML记录，从图像路径到每个目标的xmin/ymin坐标都标注得清清楚楚，连“truncated（是否截断）”“difficult（识别难度）”这类细节都没放过；
转化后又有JSON格式的简洁版，直接给出目标中心坐标和宽高，不管是用RectLabel标注工具手动调整，还是喂给YOLOv11这类模型`训练，都能无缝衔接。
最有意思的是它的应用价值，不只是“给AI练手”那么简单。比如在城市交通治理里，无人机拍回的车流视频，用这个数据集训练的模型能实时数清“多少辆小车、几辆货车占了非机动车道”；
应急救援时，模型能快速从航拍图里找出被困人员或抛锚车辆，比人工筛查快十倍不止；甚至在智慧农业里，稍作调整就能识别农机和田间人员，避免作业事故。
它就像给无人机装了“智慧眼睛”的说明书，让机器能看懂高空视角下的世界，把航拍数据真正变成可利用的“决策依据”。