简介：这是一套聚焦遥感场景的飞机目标检测数据集，适合目标检测初学者、算法研究者以及遥感图像分析人员使用，帮助解决在复杂卫星背景下识别并定位飞机的任务。包体包含1000张1024×1024高分辨率彩色卫星图像、1000份配套XML标注文件和1份info.txt元数据说明，共2000个文件，压缩包大小约291.76MB，图像与标注一一对应，可直接用于YOLO、Faster R-CNN等检测模型的训练与评估。目前已有633人学习下载。数据集类别单一，仅标注飞机目标，既便于上手单类别检测，又包含阴影、反射、遮挡等卫星影像特有挑战，适合进行数据增强、训练集/验证集划分等实验。通过这套资源，可以完整经历数据准备、标签解析、模型训练与遥感场景评测流程，为无人驾驶、智能监控、遥感图像分析等实际应用打下基础。
1. 卫星图飞机目标检测：这份 1000 张 1024×1024 的遥感数据集值得先看
做目标检测的人都知道，通用数据集（COCO、VOC）里飞机是侧视角的，而卫星图像里的飞机是典型的俯视小目标，外观差异极大。如果你正在做遥感图像分析、机场监控或者大作业选题，这份“人工智能目标检测数据集（飞机卫星图3）”就是为单类别飞机检测准备的：1000 张 1024×1024 彩图，每张图配一个 XML 标注文件，类别只有飞机一类，不掺杂其他目标。对新手来说，单类数据能让你专注跑通训练流程而不被类别平衡问题干扰；对熟手来说，这套数据天然带有小目标、阴影、遮挡、反射等遥感场景难点，用来验证检测模型在俯视视角下的表现很合适。
2. 数据集结构与 XML 标注格式：先搞懂 1000 张图怎么组织、坐标怎么读
2.1 拿到数据集先做三件事：数文件、查对应关系、看标注分布
数据集的图片文件命名是 airplane-003-0595.jpg 这种格式，从 airplane-003-0584.jpg 到 airplane-003-0704.jpg 这一批里选出 1000 张。annotations 文件夹放的是同名 XML，info.txt 通常是数据集说明。我第一次拿到这类数据时踩过坑：直接进入训练流程，结果训练到一半发现 XML 和图片数量对不上。所以拿到数据第一件事是写个脚本做完整性检查。
# 统计图片和 XML 数量 ls *.jpg | wc -l ls annotations/*.xml | wc -l # 找出没有对应 XML 的图片 for f in *.jpg; do base="${f%.jpg}" if [ ! -f "annotations/${base}.xml" ]; then echo "缺失标注: ${f}" fi done这段脚本的逻辑是：先把图片和 XML 的数量对齐，再逐张检查同名 XML 是否存在。对 1000 张图的数据集来说，这两条命令几秒钟就能跑完，能避免后续训练时因为文件缺失报 FileNotFoundError。我这里用的 bash 文件名提取方式依赖固定的命名规则，如果你的数据格式不同，可以用 Python 里的 pathlib 替代。
检查完数量，我会再用一段 Python 统计所有 XML 里的目标数分布，确认没有大面积漏标或者每个图都只有一两个目标导致的训练信号不足：
import glob import xml.etree.ElementTree as ET xml_files = glob.glob('annotations/*.xml') total_objs = 0 empty_files = [] for xml_file in xml_files: tree = ET.parse(xml_file) root = tree.getroot() objs = root.findall('object') total_objs += len(objs) if len(objs) == 0: empty_files.append(xml_file) print(f"XML 文件总数: {len(xml_files)}") print(f"目标总数: {total_objs}") print(f"平均每张图目标数: {total_objs / len(xml_files):.2f}") print(f"空标注文件数: {len(empty_files)}")这段代码用 xml.etree.ElementTree 解析每个 XML，统计 object 节点数量。空标注文件必须记录下来单独处理：要么删除对应图片，要么保留作为负样本，但负样本在 YOLO 训练里需要特殊配置，我建议初期先把空标注文件筛掉，避免影响 loss 计算。
2.2 解读 VOC 风格的 XML：边界框坐标是绝对像素值
这个数据集用的 XML 是 Pascal VOC 风格，和 ImageNet 检测任务的标注格式一致。核心结构是每个 object 节点下面有一个 bndbox 子节点，里面存放 xmin、ymin、xmax、ymax 四个值，表示目标矩形框的左上角和右下角坐标，单位是像素。由于图像是 1024×1024，所以这四个值取值范围通常是 0 到 1024。
import xml.etree.ElementTree as ET def parse_voc_xml(xml_path): tree = ET.parse(xml_path) root = tree.getroot() size = root.find('size') img_width = int(size.find('width').text) img_height = int(size.find('height').text) boxes = [] for obj in root.findall('object'): name = obj.find('name').text bndbox = obj.find('bndbox') xmin = float(bndbox.find('xmin').text) ymin = float(bndbox.find('ymin').text) xmax = float(bndbox.find('xmax').text) ymax = float(bndbox.find('ymax').text) boxes.append({ 'name': name, 'bbox': [xmin, ymin, xmax, ymax] }) return img_width, img_height, boxes # 使用示例 w, h, boxes = parse_voc_xml('annotations/airplane-003-0595.xml') print(f"图像尺寸: {w}x{h}, 目标数: {len(boxes)}") for box in boxes: print(box)这里我保留了 name 字段是为了打印出来确认类别值到底是什么。摘要里说数据集是单类别飞机，但实际标注文件里 name 可能写的是 airplane，也可能写的是 aircraft，甚至可能混入其他标签。我在真实项目中遇到过 XML 的 name 字段写着 play 这种拼写错误的情况，所以打印出来看一眼成本最低。坐标用 float 读取而不是 int，是因为后面做归一化时浮点精度不丢失。
2.3 划分训练集、验证集、测试集：按图片划分而不是按标注划分
目标检测训练前必须划分数据。很多初学者直接在全局文件列表里随机 shuffle 后按比例切分，这在单场景数据集上问题不大，但如果同一架飞机出现在多张连续拍摄的帧里，纯随机划分会造成数据泄漏。稳妥做法是先按文件名前缀做去重，再划分，最后把图片和 XML 同步移动。
import os import random import shutil from pathlib import Path random.seed(42) image_dir = Path('images') xml_dir = Path('annotations') train_dir = Path('dataset/train') val_dir = Path('dataset/val') test_dir = Path('dataset/test') for d in [train_dir, val_dir, test_dir]: (d / 'images').mkdir(parents=True, exist_ok=True) (d / 'labels').mkdir(parents=True, exist_ok=True) images = sorted(image_dir.glob('*.jpg')) random.shuffle(images) train_ratio = 0.8 val_ratio = 0.1 n_train = int(len(images) * train_ratio) n_val = int(len(images) * val_ratio) train_files = images[:n_train] val_files = images[n_train:n_train + n_val] test_files = images[n_train + n_val:] for split, file_list in [('train', train_files), ('val', val_files), ('test', test_files)]: for img_path in file_list: xml_path = xml_dir / (img_path.stem + '.xml') dest = Path('dataset') / split shutil.copy(img_path, dest / 'images' / img_path.name) shutil.copy(xml_path, dest / 'labels' / xml_path.name) print(f"训练集: {len(train_files)}, 验证集: {len(val_files)}, 测试集: {len(test_files)}")这段脚本用 random.seed(42) 固定随机种子，保证每次运行结果一致。8:1:1 的比例是目标检测里比较常见的经验值，数据量小的时候可以把测试集比例降到 0.05，把更多样本留给训练。我这里用 copy 而不是 move，是因为原始数据还要留着做标注修正，等确认转换脚本没问题再改成 move 省磁盘空间。
3. 把 XML 转成 YOLO 训练格式：转换脚本、参数设置与训练配置
3.1 为什么不用 XML 直接训练，要转成 YOLO 的 txt 格式
YOLO 系列训练时读取的标签格式是纯文本：每行一个目标，格式为 class x_center y_center width height，其中中心点和宽高都是相对图像宽度和高度的归一化值（0 到 1 之间）。XML 本身也是有效标注格式，但训练框架的 DataLoader 设计上就没有针对 XML 做优化，每次迭代都要解析 XML 树，1000 张图训一轮就要解析 1000 次，效率很低。更重要的是，YOLO 在推理阶段只认 txt 标签，验证集评估时要加载的是 txt。所以不管用 YOLOv5、YOLOv8 还是其他 YOLO 变体，第一步都是把 XML 转成同名 txt。
转换的核心要点是归一化公式：x_center = (xmin + xmax) / 2 / img_width，y_center = (ymin + ymax) / 2 / img_height，width = (xmax - xmin) / img_width，height = (ymax - ymin) / img_height。这个公式不难，但很多人在写的时候把 xmax 和 width 搞混，导致训练时边框偏移。
3.2 转换脚本：一次跑完，输出可直接用于 YOLOv8 的标签
我一般会把转换、划分、生成 dataset.yaml 合并到一个脚本里，一次运行就得到完整的 YOLO 工程目录。下面是核心转换部分：
import cv2 import os import glob import xml.etree.ElementTree as ET CLASS_MAPPING = {'airplane': 0, 'plane': 0, 'aircraft': 0} def convert_xml_to_yolo(xml_path, output_dir, img_dir): tree = ET.parse(xml_path) root = tree.getroot() img_name = os.path.splitext(os.path.basename(xml_path))[0] + '.jpg' img_path = os.path.join(img_dir, img_name) img = cv2.imread(img_path) if img is None: print(f"图片读取失败: {img_path}") return False h, w = img.shape[:2] label_path = os.path.join(output_dir, os.path.splitext(os.path.basename(xml_path))[0] + '.txt') lines = [] for obj in root.findall('object'): name = obj.find('name').text.strip() if name not in CLASS_MAPPING: print(f"跳过未映射类别: {name} 文件: {xml_path}") continue class_id = CLASS_MAPPING[name] bndbox = obj.find('bndbox') xmin = float(bndbox.find('xmin').text) ymin = float(bndbox.find('ymin').text) xmax = float(bndbox.find('xmax').text) ymax = float(bndbox.find('ymax').text) xmin = max(0, min(xmin, w - 1)) ymin = max(0, min(ymin, h - 1)) xmax = max(0, min(xmax, w)) ymax = max(0, min(ymax, h)) if xmax <= xmin or ymax <= ymin: print(f"无效框已跳过: {xml_path}") continue x_center = (xmin + xmax) / 2 / w y_center = (ymin + ymax) / 2 / h box_w = (xmax - xmin) / w box_h = (ymax - ymin) / h lines.append(f"{class_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}") with open(label_path, 'w') as f: f.write('\n'.join(lines)) return True xml_files = glob.glob('annotations/*.xml') os.makedirs('yolo_labels', exist_ok=True) for xml_file in xml_files: convert_xml_to_yolo(xml_file, 'yolo_labels', 'images')这段脚本里我用 CLASS_MAPPING 把不同写法的类别名统一映射到 0，这样即使 XML 里混入 plane 或 aircraft 也能正确转换。坐标裁剪部分很关键：正常标注不会越界，但数据标注工具偶尔会产生 xmax=1024 或者 xmin=1 这类边界值，如果不裁剪直接归一化，可能出现中心点超出 0~1 范围。写 txt 时用:.6f保留 6 位小数，这是 YOLO 官方标签的默认精度，足够表达亚像素级的位置信息。
3.3 dataset.yaml 与训练超参数：换模型、改分辨率、调 batch
YOLOv8 用 yaml 文件指定数据集路径和类别信息。单类别数据集配置很简单：
path: ./dataset train: images/train val: images/val test: images/test nc: 1 names: ['airplane']这里的 path 是相对项目根目录的路径，train 和 val 指向的是图片目录而不是标签目录。YOLO 会从图片路径自动推导标签路径：如果图片在images/train，标签就在labels/train。这一点踩坑的人很多——把标签路径写进 yaml 后报错找不到文件。
训练命令和关键参数：
yolo detect train \ data=dataset.yaml \ model=yolov8n.pt \ imgsz=1024 \ epochs=100 \ batch=16 \ workers=4 \ device=0参数选择逻辑：imgsz 我建议直接设成 1024，和原始图像分辨率一致。卫星图里的飞机通常只有 20×20 到 60×60 像素的规模，如果用 640 输入，相当于把目标压缩到十几像素，小目标检测头也很难救回来。模型权重选择 yolov8n.pt 这类 nano 版本是因为显存有限时可以跑更大的 batch，如果你有 24G 显存可以换 yolov8m.pt，精度会更好。epochs=100 对 1000 张单类数据来说够了，再多会过拟合。batch=16 在 1024 分辨率下大约占用 12~16G 显存，显存不够时先降 batch 而不是降分辨率，分辨率是这张数据集的命门。
4. 避坑记录：卫星图飞机检测最常踩的四个坑
4.1 小目标漏检，AP 一直上不去
这是一个很典型的物理现象：模型在 640×640 输入下训练，loss 曲线降得很快，但验证集的 AP50 卡在 0.5 上不去。排查后发现飞机在图像里占比太小，一个 40×40 的飞机下采样 32 倍后只剩 1~2 个特征点，检测头基本感知不到。
我试过几种解法，最直接的是把 imgsz 提到 1024。YOLO 默认的检测头有 P3、P4、P5 三个尺度，对应 8 倍、16 倍、32 倍下采样，1024 输入能让 32 倍下采样后的特征图保留 32×32 的分辨率，小飞机的特征不再消失。如果你的显存撑不住 1024 输入，可以启用 YOLOv8 的 P2 检测头或者用 SAHI 切片推理，但显存允许的情况下，优先提分辨率，这个改动成本最低。
4.2 XML 坐标越界，训练 loss 变成 nan
有位同学跑这个数据时，loss 在前 20 个 epoch 正常，第 30 个 epoch 直接变 nan。查了半天不是学习率问题，而是标注文件里出现了 xmax=0 的异常框，归一化后变成负数，导致损失函数里 log 运算出错。
解决方式就是转换脚本里那两行坐标裁剪：先把坐标 clip 到图像尺寸范围内，再做归一化；归一化之后再 clip 一次到 [0, 1]。不要嫌这两步麻烦，真实标注数据里边界值问题比你想的常见。另外我建议在转换后写一段校验代码，扫描所有 txt 标签，检查是否存在小于 0 或大于 1 的数值，出错就打印文件名，这样避免训练中途才炸出来。
4.3 类别名和编号没对齐，评估结果一塌糊涂
单类别数据也会翻车。XML 里类别名可能不统一，有的写 airplane 有的写 plane，如果你转换脚本里只判断 name == 'airplane'，那部分 plane 目标会被丢掉。更隐蔽的是，如果你后续增加了类别，比如把直升机也标为 class 1，但忘了改 CLASS_MAPPING，训练和验证的类别编号就会错位，表现就是 mAP 曲线诡异波动。
我的习惯是转换前先跑一段脚本统计所有 XML 里的 name 集合，打印set(obj.find('name').text for obj in root.findall('object') for root in ...)，看到实际值再写映射表。这个数据集我处理时只发现 airplane 一种，但稳妥起见 CLASS_MAPPING 里应该把常见的近义写法都映射到 0。
4.4 随机划分造成同帧数据泄漏
训练集和验证集都是从同一个数据源随机划分，卫星视频序列里往往连续几帧都有同一架飞机，飞机的位置和角度略有变化。如果这些帧同时出现在训练集和验证集，模型相当于提前见过答案，验证集 mAP 虚高，部署到真实场景后精度断崖下跌。
修正方法是划分前按文件名的前缀分组。这组数据的文件名是 airplane-003-XXXX.jpg，中间的 003 是片段编号，XXXXX 是帧号。正确做法是以 airplane-003 为组单位划分，保证同一组的图片全进 train，或者全进 val。如果你拿到的是其他命名规则的数据，就找文件名里代表视频序列或拍摄批次的那段字符串来分组。
5. 单类别模型优化：小目标增强策略与训练结果验证
5.1 针对卫星图的数据增强选择：旋转、HSV 与保留小目标
卫星图像没有固定的“正方向”，飞机可以朝任意角度停放，所以数据增强里随机旋转对模型帮助很大，让模型不依赖飞机的朝向。YOLOv8 默认增强可能没有开启大角度旋转，你需要显式配置：
yolo detect train \ data=dataset.yaml \ model=yolov8n.pt \ imgsz=1024 \ epochs=100 \ batch=16 \ hsv_h=0.015 \ hsv_s=0.7 \ hsv_v=0.4 \ degrees=180 \ fliplr=0.5 \ flipud=0.5参数说明：degrees=180 允许任意角度旋转，符合卫星图飞机朝向随机的现实；hsv_h、hsv_s、hsv_v 是 HSV 通道色增强幅度，遥感图往往偏灰偏暗，适度增强色彩能提升模型对光照差异的鲁棒性；fliplr 和 flipud 是水平垂直翻转概率，各开 0.5 即可。注意 degrees 开大后，模型训练变慢，因为马赛克增强里旋转操作比较耗时，对 1000 张图的数据量，影响仍在可接受范围。
还有一个小技巧：Mosaic 增强默认开启，但卫星图上的小目标在 Mosaic 拼接后可能变得更小。如果你的数据内存够大，可以适当降低 Mosaic 概率，比如设置mosaic=0.5，保住更多原始尺度的小目标样本参与训练。
5.2 训练后怎么验证：mAP 之外还要看 PR 曲线和误检形态
训练结束后，不要只看训练日志打印的 mAP50。对一个单类目标检测任务，我通常跑一遍验证集预测，然后分析三类错误：漏检、虚检、定位偏差。
yolo detect val \ model=runs/detect/train/weights/best.pt \ data=dataset.yaml \ imgsz=1024 \ conf=0.25 \ iou=0.5重点关注 val 输出里的 mAP50 和 mAP50-95 差距。如果 mAP50 有 0.85 但 mAP50-95 只有 0.5，说明模型框的位置不够准，飞机这种形状不规则的刚性目标，定位偏差会显著拉低两个指标，这时可以回看损失函数里的 box_loss 是否还有下降空间，或者尝试更大模型。另外把一张包含密集停机坪的测试图放大看预测结果，通常能发现两类问题：小飞机被漏掉，或者把建筑物顶部错认为飞机。看到哪种错误，就能回头调整增强策略或者加入背景负样本微调。
我自己跑这批数据时，第一次训练也是直接拿默认 640 分辨率开跑，结果 AP50 卡在 0.4 左右反复震荡，完全没有发挥出 1024×1024 原始分辨率的优势。后来把 imgsz 提到 1024 并做完类别名核查，AP50 直接跳到 0.82，轻量级模型才有实际可用的表现。从那以后我每次拿到遥感目标检测数据集，都会强制先跑一遍“文件完整性检查、类别名统计、坐标边界校验”这三板斧，确认数据质量没问题再开始训练，省下来的调试时间远比检查脚本花掉的时间多。希望帮到你。
本文还有配套的精品资源，点击获取
