【无标题】低空安防、无人机反制、空域监控、入侵无人机识别、安防预警系统开发 YOLOV11无人机小目标检测数据集 YOLOV11小目标无人机检测系统
智慧飞行检测-无人机目标检测数据集，19531张，yolo和voc两种标注方式
1类，标注数量：
drone: 20357 - 无人机：20357
image num: 19531
模型代码：模型训练使用yolov11n训练，50个epoch训练结果，map如描述图所示。
qt界面：运行界面采用pyqt编写，本项目已经训练好模型，配置好环境后可直接使用，运行效果见描述图像
无人机目标检测数据集
数据集信息表
| 项目 | 参数详情 |
|---|---|
| 数据集名称 | 无人机目标检测数据集 |
| 图像总数量 | 19531张 |
| 标注格式 | YOLO、VOC两种标注格式 |
| 类别数量 | 1类 |
| 类别统计 | drone（无人机）：标注数量20357 |
| 训练模型 | YOLOv11n，训练轮次50 epoch |
| 模型指标 | mAP@0.5=0.961 |
| 配套工程 | PyQt可视化检测界面，提供训练完成权重，支持图片/视频/摄像头检测；Windows、Linux CPU环境可部署 |
| 应用场景 | 低空安防、无人机反制、空域监控、入侵无人机识别、安防预警系统开发 |
labels.txt![]()
drone数据集关键词
无人机检测、drone目标检测、低空安防、反无人机、YOLO数据集、VOC标注、PyQt检测界面、空域监控、小目标无人机识别
yolo配置文件drone_detect.yaml
path:./drone_datasettrain:images/trainval:images/valnames:0:droneYOLOv11n训练简易代码
fromultralyticsimportYOLOif__name__=="__main__":model=YOLO("yolo11n.pt")model.train(data="drone_detect.yaml",epochs=50,imgsz=640,batch=8,device="cpu",workers=2,project="drone_exp",name="yolov11n_drone")PyQt项目推理调用示例（极简）
fromultralyticsimportYOLO model=YOLO("./drone_exp/yolov11n_drone/weights/best.pt")defdetect_img(img_path):res=model.predict(img_path,conf=0.25,save=False)returnres[0].boxes依赖安装
pipinstallultralytics opencv-python pyqt5 torch备选数据集名称
中文
- 低空安防无人机识别YOLO数据集
- 反无人机目标检测数据集
- 复杂场景无人机单类别检测数据集
英文
- UAV‑Drone‑Detection‑Dataset
- Anti‑Drone‑YOLO‑Dataset
简短别名
- drone_detect
- uav_anti_dataset