简介这份用于红外小目标飞机检测训练与验证的数据集主要面向计算机视觉算法工程师、无人机与安防领域的开发者以及需要对红外弱小明暗目标开展检测算法研究的用户。数据集参考VOC2007的划分方式提供train.txt和test.txt文件类别仅设置air一项对应的926个xml注释文件包含了目标包围框的精确标注926个txt标签文件则是YOLO格式的类别与坐标信息147个bmp图片为原始红外图像样本另附cache缓存文件。整个资源包共2000个文件总大小约37.4MB体量小巧、结构清晰便于快速下载与离线使用。目前已有169人浏览学习适合用于快速搭建小目标检测实验、验证红外图像检测算法或作为迁移学习的辅助训练集能帮助用户在短周期内跑通模型流程并积累红外小目标的调参与数据增强经验。1. 红外小目标飞机检测数据集训练卡你的不是模型而是数据拿到一份红外小目标飞机检测数据集大多数人第一反应是换网络结构可折腾几周后发现漏检并不因为模型变大而变好。真正决定这类任务上限的是数据先验和训练配置红外图大多是单通道灰度目标可能只有几个像素云层边缘和高亮地物比飞机更容易被检测器当成“小目标”。所以这份数据集能不能训出可用模型不看有多少张图而看你在预处理、标注方案和训练参数里做了什么选择。这篇文章面向正在做红外弱小目标检测、或者想用 YOLO 系模型训练自己的红外飞机检测数据集的工程师把从数据体检到训练验证的完整链路理一遍重点写参数边界和容易踩坑的地方。2. 红外小目标飞机检测数据集拿到手先把数据“体检”一遍2.1 红外小目标的三个数据特征决定训练策略红外飞机检测和可见光目标检测最大的差别在“小”。一个在 640×512 图像中距离 35 km 的飞机目标尺寸通常在 3×3 到 12×12 像素之间占整张图面积不到 0.15%。很多检测器在小目标上失效是因为下采样之后特征图分辨率不够目标在 8 倍下采样后就只剩 12 个像素分类头和回归头都拿不到有效信息。目标除了小信杂比还低。飞机蒙皮温度与云层背景温差不大时目标强度只比局部背景高一点点叠加传感器噪声后单帧图像人眼都不容易定位。红外数据集里还有一类干扰河流、云层边缘、建筑物角点都会形成高亮区域形态与弱目标相似是虚警的主要来源。这三点加在一起意味着训练时不能简单套用通用目标检测的数据处理流程必须先针对低信杂比和小尺寸做适配。数据集使用前我一般会检查三个数字图像位深、目标像素占比、目标与局部背景的对比度分布。不少红外飞机数据集其实是 14bit 或 16bit 的原始输出转存的直接当 8bit 读会得到大量接近 0 的像素值BatchNorm 层的统计量会被拉偏训练收敛变慢。先花十分钟做数据体检比盲目调模型结构有效得多。2.2 用一段脚本统计图像位深、目标尺寸和标注分布拿到数据集先扫一遍基本信息。以下脚本检查前 5 张图像的 shape、dtype 和灰度范围import cv2 from pathlib import Path img_dir Path(train/images) for img_path in sorted(img_dir.iterdir())[:5]: img cv2.imread(str(img_path), cv2.IMREAD_UNCHANGED) print(img_path.name, shape, img.shape, dtype, img.dtype, min, img.min(), max, img.max())cv2.IMREAD_UNCHANGED会保留原始位深避免把 16bit 图按 8bit 读取导致灰度被截断输出 min/max 可以判断图像中是否存在大量未定义的黑色背景区。如果 dtype 是 uint16 且 max 远大于 255预处理阶段就需要做位深归一化比如除以 65535 而不是 255。接着统计标注框的尺寸分布这一步决定后续 anchor 设置和是否要做切片训练from pathlib import Path import numpy as np ann_dir Path(train/labels) sizes [] for label_path in ann_dir.glob(*.txt): for line in label_path.read_text().strip().splitlines(): parts line.split() if len(parts) 5: _, _, w, h map(float, parts[1:5]) sizes.append((w, h)) sizes np.array(sizes) widths, heights sizes[:, 0], sizes[:, 1] print(boxes:, len(sizes)) print(w: mean, widths.mean(), max, widths.max()) print(h: mean, heights.mean(), max, heights.max())注意 YOLO 标注里的 w、h 是相对图像宽高的归一化比例输出 0.01 表示目标只占图像宽度的 1%。如果绝大多数框的宽高都小于 0.02说明这是典型的小目标数据集模型输入尺寸和 anchor 设计都要往“小”的方向调整。2.3 标注格式框、点还是热力图差别在训练目标红外小目标数据集常见三种标注形态每种的监督方式不同标注类型监督内容适用检测头边界框目标外接矩形YOLO、Faster R-CNN质心点只标中心坐标CenterNet 类高斯热力图中心附近按高斯分布给分ACM、经典红外小目标检测网络边界框标注最通用但红外飞机目标太小标注框稍微偏两三像素IoU 变化就很大回归损失容易被噪声主导。质心点标注更稳定配合 CenterNet 这类 anchor-free 检测器不需要边界框回归适合极小红外目标。高斯热力图属于更特化的做法会让网络学习目标能量分布往往需要自己写 Dataset 生成标签工程成本高。建议先确认数据集原始标注类型不要盲目把所有标注都转成边界框。如果原始就是质心点直接转成边界框反而引入不确定性。2.4 抽帧画框人工确认标注没有系统性偏移统计量不能发现标注偏移还得把标注画到图上人眼确认import cv2 import random from pathlib import Path img_dir Path(train/images) ann_dir Path(train/labels) paths list(img_dir.iterdir()) random.seed(0) for img_path in random.sample(paths, 10): img cv2.imread(str(img_path)) h, w img.shape[:2] label_path ann_dir / (img_path.stem .txt) if not label_path.exists(): continue for line in label_path.read_text().strip().splitlines(): _, cx, cy, bw, bh map(float, line.split()) x1 int((cx - bw / 2) * w) y1 int((cy - bh / 2) * h) x2 int((cx bw / 2) * w) y2 int((cy bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 1) cv2.imwrite(check_ img_path.name, img)画框时框宽设为 1 像素避免粗框把目标遮住。如果发现大多数框偏右上或偏左下说明标注存在系统性偏移直接训练会导致检测框位置偏置。如果框里内容明显不是飞机说明标签噪声过高这类样本要么删掉要么在损失函数里降低其权重。3. 训练前准备把红外小目标飞机检测数据集转换成 YOLO 可用的格式3.1 预处理顺序归一化、对比度增强、保持训练推理一致红外小目标数据集预处理最容易犯的错是训练时做了增强、推理时忘记做同一个操作导致域偏移。固定的预处理顺序建议是位深归一化灰度拉伸再做对比度增强。对比度增强常用 CLAHE 和 Top-hat 变换两种效果差异明显。CLAHE 能增强局部对比度但也会把云层边缘、噪声一起增强虚警会变多。Top-hat 变换用形态学顶帽运算突出亮目标、压制大范围背景更贴合红外小目标场景。建议在数据集上对比两者对目标信杂比的提升幅度再决定用哪个。参考实现片段import cv2 def tophat_enhance(img, kernel_size15): kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (kernel_size, kernel_size)) return cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)kernel_size 与目标尺寸相关一般取目标直径的 35 倍。目标只有 5 像素时kernel 选 15 左右太小会把目标当背景抹掉太大则背景抑制不干净。这类增强参数要在小验证集上逐个试不能只用默认值。3.2 把已有标注转成 YOLO 格式的参考脚本很多红外数据集提供的标注是中心点加半径或者 Pascal VOC 的 XML 格式。YOLO 系训练工具需要的是归一化的类别、中心坐标、宽高。下面是一个把中心点标注转成 YOLO txt 的脚本片段import cv2 from pathlib import Path img_dir Path(train/images) label_raw Path(train/raw_annotations) out_dir Path(train/labels) out_dir.mkdir(exist_okTrue) for img_path in img_dir.glob(*.png): img cv2.imread(str(img_path)) h, w img.shape[:2] ann_path label_raw / (img_path.stem .txt) lines [] for line in ann_path.read_text().strip().splitlines(): x, y, r map(float, line.split()) cx, cy x / w, y / h # 半径 r 做保守外扩避免把目标截掉 bw max(2 * r, 10) / w bh max(2 * r, 10) / h lines.append(f0 {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) (out_dir / (img_path.stem .txt)).write_text(\n.join(lines)) print(converted, img_path.stem)代码里的max(2 * r, 10)值得注意半径 r 如果只有 2 像素外接框只有 4 像素训练时下采样后可能直接消失所以给边界框设了一个 10 像素的下限。红外小目标标注转 YOLO 格式时这个最小尺寸约束能显著减少训练初期 loss 剧烈震荡的问题。3.3 数据增强参数边界别把飞机增强没了通用检测里最爱用的马赛克增强在小目标数据集上要慎用。马赛克会把四张图拼成一张红外小目标经过缩放后可能缩成 1 像素甚至消失。我一般只在红外飞机数据集上启用轻度增强其他增强关闭或大幅调低参数增强操作推荐参数说明水平翻转probability 0.2飞机左右对称安全性最高随机旋转limit 5 度超过 10 度目标形变大标注框失真随机缩放scale_limit 0.1小目标缩小后不可见亮度对比度brightness_limit 0.1红外图灰度层次少调太猛破坏对比Mosaic不使用或关闭目标太小拼接缩放后信息损失严重数据增强的验收标准是增强后目标边框是否仍与目标主体大致重合。我会单独跑一个增强可视化脚本每次改完增强配置就看几帧确认目标没有被截掉或移出框外再进入训练。4. 用红外小目标飞机检测数据集跑通训练最小脚本与超参设置4.1 先用 2050 张图跑通训练链路验证脚本没有 batch 统一性错误红外小目标数据集样本量通常不大一开始就用全量训练一旦代码里有尺寸不一致、标签越界这类问题排查成本极高。我会先取 20 张图做一个 mini 训练确认 loss 能下降再放开全量。import torch import cv2 import numpy as np device torch.device(cuda if torch.cuda.is_available() else cpu) def synthetic_forward(img, model): # 预处理归一化 转 tensor模拟 Dataloader 行为 if img.dtype np.uint16: img img.astype(np.float32) / 65535.0 else: img img.astype(np.float32) / 255.0 tensor torch.from_numpy(img).unsqueeze(0).unsqueeze(0).to(device) return model(tensor) # 这里替换成你自己的网络实例 # model YourInfraredDetector().to(device) # out synthetic_forward(cv2.imread(demo.png, cv2.IMREAD_UNCHANGED), model)这段代码先验证输入管线下网络能否前向传播重点看float32除以 65535 还是 255 这一步。位深判断很容易写错如果 16bit 图除以 255灰度中间区会被顶到接近 0网络等于在训练几乎全黑的图像。跑通前向后再做一次反向传播训练观察前几个 step 的 loss 数值量级。如果 loss 是 NaN 或从一开始就不下降先查标签是否越界、图像是否全黑、学习率是否过大而不是去换更大的模型。训练链路能通再谈调参。4.2 红外小目标飞机检测数据集的五个关键训练参数红外小目标的训练参数和通用检测有明显差异下面这组建议值来自我多次训练红外数据集的实践具体数值要根据数据集情况微调参数名建议值设置原因输入尺寸640 或 768太小目标丢失太大显存不足epochs150300小目标收敛慢早停点要设置晚batch size816过大影响梯度稳定性小目标对小批量敏感学习率1e-4 起步余弦衰减热力图回归头对学习率敏感confidence 阈值0.2 验证小目标分数普遍偏低0.5 会漏检过半输入尺寸是最值得调的参数。把 640 提升到 768小目标的像素数大约增加 44%检测率往往明显提升但要确认显存是否够用。epochs 给到 200 以上是因为红外小目标的回归损失收敛非常缓慢50 轮通常只学到背景抑制还没学到飞机结构特征。验证时 confidence 阈值设 0.2 而不是 0.5小目标本身的置信度分布偏中低段阈值设高会把真目标全部过滤掉。4.3 训练过程中看什么loss 只是参考漏检和虚警要分开看训练日志里 loss 下降不代表检测效果变好红外小目标尤其明显。loss 下降可能只是网络学会了把背景压成零目标一个都没检出。我一般每个 epoch 结束后保存一次验证集预测图直接观察预测框是否落在飞机上。验证阶段判断检测好坏我不用 PASCAL VOC 的 IoU 0.5 标准而改用目标中心距离。小目标框只有 5 像素预测框和真值框只要偏移 3 像素IoU 可能就是 0但这在工程上已经算检测成功了。用中心距离判据可以避免小目标框的微小抖动导致召回率被严重低估。5. 用切片训练和中心距离评估提高红外小目标飞机检出率5.1 重叠切片把大图拆成小 patch目标相对变大如果原始图像过大比如 1280×1024目标只有 8 像素直接训练很难。常见做法是把原图切分成若干个 640×640 的 patchpatch 之间设置 10% 重叠避免目标刚好被切在边界上。训练时用 patch 作为输入推理时把 patch 滑窗预测的结果映射回原图坐标重叠区域的检测框用 NMS 合并。def sliding_patch(img, patch_size640, stride576): h, w img.shape[:2] patches [] coords [] for y in range(0, h, stride): for x in range(0, w, stride): y1, y2 y, min(y patch_size, h) x1, x2 x, min(x patch_size, w) patch np.full((patch_size, patch_size), 0, dtypeimg.dtype) patch[:y2 - y1, :x2 - x1] img[y1:y2, x1:x2] patches.append(patch) coords.append((x1, y1, x2, y2)) return patches, coordsstride 小于 patch_size 就是让相邻 patch 有重叠区目标出现在重叠区时至少在一个 patch 里保持完整形态。推理合并时把每个 patch 里的检测框坐标加上 patch 左上角偏移量再统一做 NMS。注意 patch 边缘 Padding 用的 0 值在红外图里可能被当作低温背景模型会在边缘产生一些虚警合并时过滤掉完全压边的框即可。5.2 一个按中心距离计算检出率与虚警率的评估片段验证红外小目标检测最直观的指标是匹配半径内的检出率和虚警数。以下代码用预测框中心与真值框中心的距离做匹配def evaluate_center(preds, gts, img_w, img_h, radius8): matched set() fa 0 for pred in preds: px pred[0] * img_w py pred[1] * img_h found False for i, gt in enumerate(gts): if i in matched: continue gx gt[0] * img_w gy gt[1] * img_h if abs(px - gx) radius and abs(py - gy) radius: matched.add(i) found True break if not found: fa 1 pd len(matched) / len(gts) if gts else 0 return pd, faradius 取 8 像素表示预测中心落在真值中心 8 像素范围内就算命中。红外小目标的检测误差主要来自质心估计偏差这个评估逻辑比 IoU 更贴合任务。参数 radius 可以根据数据集目标尺寸微调目标大就放大半径目标小则缩小避免误匹配。评估输出会告诉你当前训练结果的真实水平而不是只看一张 loss 曲线。本文还有配套的精品资源点击获取