简介：这是一份面向红外场景下直升机目标检测的YOLO系列算法训练数据集，适合从事无人机侦察、红外图像识别、军事目标检测等方向的研究者与算法工程师使用，也可作为高校学生开展目标检测课程设计或毕业设计的实战素材。压缩包共1372个文件，约21.74MB，包含457张jpg红外图像、457个txt格式YOLO标注文件、457个xml格式VOC标注文件以及1个yaml配置文件，两种标注格式分别存放，便于直接对接不同训练框架。YOLO格式采用归一化中心点与宽高比例，类别索引从0开始，可直接用于yolov5、yolov8、yolov9、yolov7、yolov10、yolo11等模型训练与验证测试。数据集已完成训练集与验证集划分，省去自行标注与整理的时间成本，读者可快速搭建红外直升机检测基线模型，并在此基础上开展数据增强、模型对比与调参实验。目前已有129人学习下载，适合需要快速验证算法效果的中小规模红外目标检测任务。
1. 红外直升机数据集到手：457 张带标签图像能跑出什么名堂
拿到一个叫「yolo算法-红外直升机数据集-457张图像带标签-飞机.zip」的压缩包，第一反应不该是解压完就train.py一把梭。红外图像和可见光图像在像素分布上完全是两回事，直升机的红外特征又和固定翼飞机差别很大——旋翼、尾桨、机身的热辐射形态在低空背景下经常糊成一团。457 张这个量级，说多不多，说少也够做一次完整的迁移学习验证。它适合谁？适合手头有红外监控或光电吊舱场景、想快速验证 YOLO 在低对比度小目标上表现的工程师，也适合刚入门想拿一个真实带标签数据集走通「标注格式转换→训练→推理→调参」全流程的人。核心词 yolo、红外直升机数据集、图像带标签这三个点，决定了后面所有操作都要围绕「小样本 + 红外域 + 单类别检测」来展开，而不是套用 COCO 那套通用配置。
2. 先搞清楚红外直升机数据集里到底有什么
2.1 解压后先做一次数据体检，别急着写 data.yaml
拿到压缩包，我一般不会直接丢给训练脚本。先解压，看目录结构。常见做法是images/和labels/两个文件夹，或者JPEGImages/加Annotations/的 VOC 风格。457 张图像带标签，标签格式决定了你后面要不要写转换脚本。如果是 YOLO 格式，每张图对应一个.txt，每行class x_center y_center width height，坐标是归一化到 0~1 的；如果是 VOC 的.xml，就得先转。先跑一段体检代码，把图像尺寸、通道数、标签数量、类别分布全拉出来。
import os import cv2 import glob from collections import Counter img_dir = "images" label_dir = "labels" img_paths = glob.glob(os.path.join(img_dir, "*")) print(f"图像总数: {len(img_paths)}") sizes = [] channels = [] label_counts = [] class_counter = Counter() for p in img_paths[:50]: # 先抽 50 张看分布 img = cv2.imread(p, cv2.IMREAD_UNCHANGED) if img is None: print(f"读不到: {p}") continue sizes.append(img.shape[:2]) channels.append(1 if len(img.shape) == 2 else img.shape[2]) base = os.path.splitext(os.path.basename(p))[0] lpath = os.path.join(label_dir, base + ".txt") if os.path.exists(lpath): with open(lpath) as f: lines = [l.strip() for l in f if l.strip()] label_counts.append(len(lines)) for l in lines: class_counter[l.split()[0]] += 1 print("尺寸分布:", Counter(sizes).most_common(5)) print("通道数分布:", Counter(channels)) print("每图标签数 min/max/avg:", min(label_counts), max(label_counts), sum(label_counts)/len(label_counts)) print("类别分布:", class_counter)这段代码的逻辑很直白：先确认图像能不能正常读，红外图常见单通道 16 位或 8 位灰度，cv2.IMREAD_UNCHANGED能保留原始位深。尺寸分布决定你训练时imgsz设多少，如果原图是 640×512 这种非正方形，直接 resize 到 640×640 会拉伸目标，后面要改 letterbox。通道数如果是 1，YOLO 默认读三通道会报错或自动复制，最好在 data.yaml 之前统一转成三通道。标签数统计能看出有没有漏标、空标签文件。类别分布如果只有一个类，那nc=1，类别名随便叫helicopter就行。
2.2 红外图像和可见光图像的域差异，决定了增强策略不能照搬
可见光图像做增强，HSV 抖动、随机亮度对比度、马赛克，随便上。红外图像不一样。红外灰度值反映的是温度辐射，直方图经常集中在很窄的一段，背景天空和地面温差小的时候，直升机目标几乎和背景一个灰度。这时候你如果上强烈的 HSV 增强，等于在破坏温度语义。我一般会做两件事：先看直方图，确认灰度动态范围；然后增强只用几何变换（翻转、缩放、平移）加轻微的 gamma 调整，不做色相偏移。
import numpy as np import cv2 import matplotlib.pyplot as plt img = cv2.imread("images/sample_001.jpg", cv2.IMREAD_GRAYSCALE) hist = cv2.calcHist([img], [0], None, [256], [0, 256]) print(f"灰度 min/max: {img.min()}/{img.max()}") print(f"均值/标准差: {img.mean():.1f}/{img.std():.1f}") # 累计分布看动态范围集中度 cdf = hist.cumsum() / hist.sum() low = np.searchsorted(cdf, 0.05) high = np.searchsorted(cdf, 0.95) print(f"5%~95% 灰度区间: {low} ~ {high}")如果high - low小于 80，说明对比度极低，训练前最好做一次 CLAHE 或者线性拉伸，但注意：验证集和测试集要用同样的预处理，否则指标会虚高。这一步很多新手会翻车——训练时增强了，推理时忘了加，结果部署上去模型跟瞎了一样。
2.3 把 VOC 标签转成 YOLO 格式：转换脚本与四个边界坑
如果解压出来是Annotations/*.xml，就得转。转换本身不难，坑在边界。第一，VOC 的xmin, ymin, xmax, ymax是绝对像素，要除以图像宽高归一化；第二，有些标注框会超出图像边界，比如xmin < 0或xmax > width，直接除会得到负数或大于 1 的值，YOLO 训练时可能不报错但学歪；第三，图像文件名和 xml 文件名要对上，红外数据集经常有0001.jpg配0001.xml，但也有IR_001.jpg配IR_001.xml的情况，大小写敏感；第四，空 xml 或者没有object的 xml 要跳过，不然会生成空标签文件，YOLO 会当成负样本。
import xml.etree.ElementTree as ET import os import cv2 def voc_to_yolo(xml_path, img_path, out_path, class_map): tree = ET.parse(xml_path) root = tree.getroot() img = cv2.imread(img_path) if img is None: return False h, w = img.shape[:2] lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in class_map: continue bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) # 边界裁剪，防止越界 xmin = max(0, min(xmin, w - 1)) xmax = max(0, min(xmax, w - 1)) ymin = max(0, min(ymin, h - 1)) ymax = max(0, min(ymax, h - 1)) if xmax <= xmin or ymax <= ymin: continue xc = (xmin + xmax) / 2.0 / w yc = (ymin + ymax) / 2.0 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h # 再夹一次，确保归一化后在 0~1 xc = min(max(xc, 0.0), 1.0) yc = min(max(yc, 0.0), 1.0) bw = min(max(bw, 0.0), 1.0) bh = min(max(bh, 0.0), 1.0) lines.append(f"{class_map[name]} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}") if not lines: return False with open(out_path, "w") as f: f.write("\n".join(lines)) return Trueclass_map就是{"helicopter": 0}这种映射。转换完记得抽查几张，用cv2.rectangle把框画回去看一眼，确认没偏。红外图像上框偏几个像素，肉眼在灰度图里很难发现，但训练时 IoU 会掉得厉害。
3. 用 YOLOv8 在 457 张红外图上跑通训练：配置、参数与显存控制
3.1 环境装完先别急着 train，用 CLI 验证一遍数据管道
环境这块，PyTorch + ultralytics 是标配。装完pip install ultralytics，第一件事不是写训练脚本，而是用yolo checks看环境，然后用一个小命令验证 data.yaml 能不能被正确解析。data.yaml 长这样：
path: /data/ir_helicopter train: images/train val: images/val nc: 1 names: 0: helicopter注意path用绝对路径，train和val是相对path的。457 张图，我一般按 8:2 切，训练 365 张，验证 92 张。切分的时候要保证同一段视频序列的帧不要同时出现在训练和验证里，否则验证指标会虚高——红外数据集很多是从视频抽帧来的，相邻帧几乎一样，随机切分等于泄露。
yolo detect train data=/data/ir_helicopter/data.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16 device=0先跑 1 个 epoch 看看：
yolo detect train data=/data/ir_helicopter/data.yaml model=yolov8n.pt epochs=1 imgsz=640 batch=8 device=0如果报No labels found，八成是labels目录路径不对，或者标签文件名和图像文件名没对上。YOLO 默认会在images同级找labels，比如images/train/001.jpg对应labels/train/001.txt。如果你的目录结构是扁平的，就得在 data.yaml 里显式写train: images和val: images，然后靠labels同名规则去找。
3.2 小样本训练的关键参数：学习率、冻结层与早停
457 张图，从头训肯定过拟合。我一般用yolov8n.pt或yolov8s.pt做迁移学习，冻结 backbone 前几层，只训 head 和部分 neck。ultralytics 里可以用freeze参数：
yolo detect train data=/data/ir_helicopter/data.yaml model=yolov8s.pt epochs=150 imgsz=640 batch=16 freeze=10 lr0=0.001 lrf=0.01 patience=30 device=0freeze=10表示冻结前 10 层，具体冻多少要看模型结构，yolov8s总共 100 多层，冻 10 层大概就是 stem 和前几个 C2f。lr0=0.001比默认的 0.01 小一个量级，小样本上更稳。lrf=0.01是最终学习率因子，余弦退火到lr0 * lrf。patience=30是早停，30 个 epoch 验证指标不升就停，省时间。
红外图像还有一个特殊点：如果目标特别小（比如远距离直升机只占几十个像素），imgsz=640可能不够，可以上imgsz=1024，但显存会炸。T4 16G 上batch=16跑 640 没问题，跑 1024 得降到batch=4或batch=8。如果显存不够，用amp=True混合精度，默认就是开的。
3.3 训练过程看什么：loss 曲线、mAP 与红外特有的假阳性
训练跑起来后，runs/detect/train/下会有results.csv和weights/。重点看三个东西：train/box_loss和val/box_loss的差距，metrics/mAP50和metrics/mAP50-95的走势，以及val/cls_loss有没有震荡。红外数据集上，mAP50到 0.8 以上算不错，但mAP50-95经常只有 0.4~0.5，因为红外目标边界模糊，框的精度上不去。
假阳性是红外检测的老大难。地面热源、云层边缘、太阳反射，都可能在灰度图上呈现和直升机类似的亮斑。训练完在验证集上跑推理，把假阳性最高的几张图挑出来看：
yolo detect predict model=runs/detect/train/weights/best.pt source=images/val save=True conf=0.25conf=0.25是默认置信度阈值，红外场景我一般会调到 0.4 甚至 0.5，宁可漏检也不要误报。如果假阳性集中在某类背景（比如地面建筑），可以考虑在训练时加一些纯背景负样本，或者用copy_paste增强把目标贴到不同背景上。
4. 红外直升机检测的避坑与排查：5 个血泪教训
4.1 现象：训练 loss 正常下降，但验证 mAP 一直是 0
原因：标签格式不对。最常见的是 VOC 转 YOLO 时忘了归一化，坐标还是绝对像素值，YOLO 读进去后框全在图像外面，模型学不到东西。另一种可能是data.yaml里nc和实际类别数不一致，比如标签里只有0，但nc=2，多出来的类没有样本，验证时算 mAP 会出问题。
解决：用yolo detect train ... epochs=1跑一个 epoch，然后看runs/detect/train/labels.jpg，这张图会把训练标签画出来。如果框全挤在左上角或者看不见，就是坐标问题。再检查data.yaml的nc和names，确保和标签里的类别索引对得上。
4.2 现象：推理时模型把地面亮斑全框成直升机
原因：红外图像对比度低，模型把高灰度区域当成了目标特征。训练集里如果直升机总是出现在天空背景，模型就学到了「亮斑+天空=直升机」，遇到地面亮斑就误报。
解决：在训练时加入负样本，或者用mosaic增强把目标拼到不同背景上。ultralytics 默认开mosaic=1.0，但如果数据集本身背景单一，mosaic 也救不了。我一般会手动收集一些纯地面、纯云层的红外图，不放标签，作为背景负样本混进训练集，比例大概 10%~15%。
4.3 现象：训练到一半显存溢出，报 CUDA out of memory
原因：imgsz或batch设大了，或者workers太多导致内存泄漏。T4 16G 上跑yolov8s+imgsz=640+batch=16是安全的，但如果开了mosaic和mixup，显存占用会上去。
解决：先降batch到 8，再不行降imgsz到 512。workers设成 4 或 8，不要设太大。如果还是炸，用yolo detect train ... amp=False关掉混合精度，但速度会慢。另一个技巧是用cache=True把图像缓存到内存，但 457 张图不大，缓存了反而占内存，不建议开。
4.4 现象：验证集 mAP 很高，但实际部署到红外相机上效果差
原因：训练时的预处理和推理时的预处理不一致。比如训练时做了 CLAHE，推理时没做；或者训练时 resize 到 640×640，推理时直接送原始 640×512，YOLO 内部会 letterbox，但如果你自己写了预处理脚本，可能忘了同步。
解决：把预处理逻辑封装成一个函数，训练和推理共用。ultralytics 的predict会自动做 letterbox，但如果你用 ONNX 或 TensorRT 部署，就得自己实现。建议在导出 ONNX 之前，先用yolo export导出，然后用onnxruntime跑一张图，和 PyTorch 的输出对比，确保预处理一致。
4.5 现象：模型对旋翼和尾桨的框特别大，把整个机身都包进去了
原因：红外图像上旋翼高速旋转，在长曝光下会拖影，形成一个比机身大得多的热辐射区域。标注时如果按可见光习惯只框机身，模型学到的就是机身特征，但推理时旋翼拖影也被激活，导致框变大。
解决：标注时就要统一标准。如果数据集里标注框已经包含了旋翼，那就保持；如果只框机身，训练时可以用scale增强让模型对尺度变化更鲁棒。另外，可以在后处理时用nms的iou阈值调低一点，比如 0.5，把重叠的大框抑制掉。
5. 从 457 张到可用模型：导出 ONNX 与 TensorRT 的实操细节
训练完拿到best.pt，下一步是部署。红外直升机检测常见落地场景是光电吊舱或边缘设备，算力有限，所以导出 ONNX 再转 TensorRT 是标准路径。先导出 ONNX：
yolo export model=runs/detect/train/weights/best.pt format=onnx imgsz=640 opset=12 simplify=Trueopset=12兼容性好，simplify=True会做图优化。导出后用onnxruntime验证一遍：
import onnxruntime as ort import numpy as np import cv2 sess = ort.InferenceSession("best.onnx") img = cv2.imread("images/val/sample_001.jpg") img = cv2.resize(img, (640, 640)) img = img[:, :, ::-1].transpose(2, 0, 1).astype(np.float32) / 255.0 img = np.expand_dims(img, 0) outputs = sess.run(None, {sess.get_inputs()[0].name: img}) print(outputs[0].shape) # 应该是 (1, 5, 8400) 或类似注意红外图如果是单通道，cv2.imread读出来是二维的，要手动cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)转三通道，否则和训练时的输入维度对不上。转 TensorRT 用trtexec：
trtexec --onnx=best.onnx --saveEngine=best.engine --fp16 --workspace=4096--fp16在 T4 上能提速近一倍，精度掉得不多。--workspace=4096是 4G 显存工作空间，如果报内存不够就降到 2048。转完用trtexec --loadEngine=best.engine --shapes=input:1x3x640x640跑一下 benchmark，看延迟。T4 上yolov8s640 分辨率，FP16 大概 5~8ms 一帧，算下来 120~200 FPS，但实际部署还要算上预处理和后处理，端到端能到 50~80 FPS 就不错了。
最后说一个我自己的习惯：每次训完模型，不管指标多好，我都会拿几张训练集里没有的红外图（最好是不同时间、不同天气拍的）跑一遍，肉眼过一遍检测结果。指标是黑匣子，肉眼才是后悔药。457 张图能训出一个可用的红外直升机检测器，但边界很清楚——它只认这个域的数据，换个相机、换个季节，可能就得重新标一批微调。希望帮到你。
本文还有配套的精品资源，点击获取
