一、visDrone2019数据集详解
visDrone2019数据集是无人机视角下最具挑战性的目标检测基准数据集之一，由天津大学机器学习与数据挖掘实验室联合其他研究机构共同构建。该数据集采集自中国14个不同城市，覆盖复杂城市场景、交通枢纽、密集人群等多种环境。
数据集构成：
- 训练集：6,471张图像（含6471个标注文件）
- 验证集：548张图像
- 测试集：3,190张图像
- 标注类别：10个主要目标类别
pedestrian（行人）、people（人群）、bicycle（自行车）、car（轿车）、van（厢式货车）、truck（卡车）、tricycle（三轮车）、awning-tricycle（带篷三轮车）、bus（公交车）、motor（摩托车）
标注格式特点：
每个图像对应.txt标注文件包含多行数据，每行格式为：
<bbox_left>,<bbox_top>,<bbox_width>,<bbox_height>,<score>,<category>,<truncation>,<occlusion>
其中关键参数说明：
- bbox_left：边界框左上角x坐标
- bbox_top：边界框左上角y坐标
- category：目标类别（1-10对应上述类别）
- occlusion：遮挡程度（0=完全可见，1=部分遮挡，2=严重遮挡）
二、数据预处理与标签格式转换
YOLOv5要求标签格式为归一化的中心坐标+宽高形式：
<class_id> <x_center> <y_center> <width> <height>
转换步骤详解：
- 类别说明（visdrone.names）：
0 pedestrian
1 people
2 bicycle
3 car
4 van
5 truck
6 tricycle
7 awning-tricycle
8 bus
9 motor
- Python转换脚本：
def visdrone2yolo(dir):from PIL import Imagefrom tqdm import tqdmdef convert_box(size, box):# Convert VisDrone box to YOLO xywh boxdw = 1. / size[0]dh = 1. / size[1]return (box[0] + box[2] / 2) * dw, (box[1] + box[3] / 2) * dh, box[2] * dw, box[3] * dh(dir / 'labels').mkdir(parents=True, exist_ok=True) # make labels directorypbar = tqdm((dir / 'annotations').glob('*.txt'), desc=f'Converting {dir}')for f in pbar:img_size = Image.open((dir / 'images' / f.name).with_suffix('.jpg')).sizelines = []with open(f, 'r') as file: # read annotation.txtfor row in [x.split(',') for x in file.read().strip().splitlines()]:if row[4] == '0': # VisDrone 'ignored regions' class 0continuecls = int(row[5]) - 1box = convert_box(img_size, tuple(map(int, row[:4])))lines.append(f"{cls} {' '.join(f'{x:.6f}' for x in box)}\n")with open(str(f).replace(os.sep + 'annotations' + os.sep, os.sep + 'labels' + os.sep), 'w') as fl:fl.writelines(lines) # write label.txt# Downloaddir = Path('') # 修改为你保存VisDrone数据的目录# Convertfor d in 'VisDrone2019-DET-train', 'VisDrone2019-DET-val', 'VisDrone2019-DET-test-dev':visdrone2yolo(dir / d) # convert VisDrone annotations to YOLO labels
关键注意事项：
- 处理遮挡标注：建议保留occlusion<2的样本（过滤严重遮挡目标）
- 小目标处理：无人机图像普遍存在小目标问题，需保持原始分辨率
- 类别平衡：分析各类别分布，必要时进行过采样/欠采样
三、YOLOv5参数设置
1. 数据配置文件（visdrone.yaml）
path: ../datasets/VisDrone # dataset root dir
train: VisDrone2019-DET-train/images # train images (relative to 'path') 6471 images
val: VisDrone2019-DET-val/images # val images (relative to 'path') 548 images
test: VisDrone2019-DET-test-dev/images # test images (optional) 1610 images# Classes
names:0: pedestrian1: people2: bicycle3: car4: van5: truck6: tricycle7: awning-tricycle8: bus9: motor
2. 关键训练参数解析
- 预训练模型：
--weights yolov5s.pt
- 训练超参选择
hyp.scratch-low.yaml
--hyp scratch-low.yaml
yp.scratch-low.yaml 参数基本说明
lr0: 0.01 # 初始学习率
lrf: 0.1 # 最终学习率系数
momentum: 0.937 # SGD动量
weight_decay: 0.0005 # 权重衰减
warmup_epochs: 3.0 # 学习率预热
warmup_momentum: 0.8
warmup_bias_lr: 0.1
box: 0.05 # 边界框损失权重
cls: 0.3 # 分类损失权重
cls_pw: 1.0 # 分类正样本权重
obj: 0.7 # 目标存在损失权重
obj_pw: 1.0 # 目标存在正样本权重
iou_t: 0.20 # IoU训练阈值
anchor_t: 4.0 # anchor阈值
fl_gamma: 0.0 # Focal loss gamma
四、小结
- 在训练启动的过程中，提示默认的anchors值不是最优的配置，并给出了重新聚类后的anchors。
- VisDrone2019存在大量的极小目标，使用640*640的训练尺寸，会导致在训练时，大量的小目标，被缩放为一个点目标，这对训练会起到副作用，所以，这个问题得去优化。
- VisDrone2019存在inogre区域（有目标，但是未标注），应该进行抹黑处理，并出现标注不完整的情况。
