**智慧红外车辆行人巡检数据集
面向无人机视角行人 / 车辆检测与显著性分割的热红外数据集
数据由 DJI M600Pro 无人机搭载 FLIR Vue Pro 热像仪在白天与夜间采集，专门解决“无人机视角下缺乏行人和车辆热红外公开数据集”的问题，并提供目标检测和显著性检测所需的像素级标注。**![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/cae766b5a3877b8337780a39b7ac1128.png)
数据属性 描述
空间分辨率 原始图像 640 × 512 像素（热红外）
图像数量 2,975 幅热红外图像
目标类别 行人（pedestrian）、车辆（vehicle）
实例数量 4,768 个行人目标 + 3,856 个车辆目标，共 8,624 个实例
图像格式 原始为单通道长波热红外，经过温度映射转换为 3 通道伪彩 RGB
成像平台 DJI M600Pro 无人机 + FLIR Vue Pro 热像仪，低空航拍，白天与夜间场景
标注形式 1）行人 / 车辆的边界框（用于目标检测）；2）显著性检测用的像素级显著区域掩膜（saliency ground truth）![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/78022fc6c24dc694b826f64b06ad0b35.png)
场景类型 面向环境监测、应急管理、交通监测等 UAV 应用场景的真实户外环境（道路、监控区域等）![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/aa3507d45c000f6b5790212afa5a99a1.png)
采集时间 包含昼夜两种光照条件（仅热红外，无可见光配对）
使用任务 UAV 视角下的小目标行人 / 车辆检测、显著性检测（salient object detection）、显著图与热红外融合增强、复杂场景下的注意力机制研究等
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/a84e3cdc5c4cac75ea8d9adfdad2cbdc.png)
专门针对夜间及复杂环境下的行人与车辆检测，数据属性表格：
### 无人机视角行人/车辆热红外数据集规格表


|属性类别|详细描述|
|:-:|:-:|
|**数据集名称**|UAV-Thermal-SOD（面向无人机视角行人/车辆检测与显著性分割）|
|**采集平台**|DJI M600Pro 无人机 + FLIR Vue Pro 热像仪|
|**成像模态**|长波热红外（LWIR），原始单通道经温度映射转换为3通道伪彩RGB|
|**图像分辨率**|640 × 512 像素|
|**图像总数**|2,975 幅热红外图像|
|**目标类别**|行人（Pedestrian）、车辆（Vehicle）|
|**实例数量**|行人：4,768个；车辆：3,856个；总计：8,624个标注实例|
|**标注类型**|1. 边界框标注（Bounding Boxes）：用于目标检测2. 像素级显著掩膜（Saliency Ground Truth）：用于显著性物体检测|
|**光照条件**|包含白天与夜间场景（仅热红外成像，无可见光配对图像）|
|**飞行高度与视角**|低空航拍（典型UAV视角），俯视/斜视角度，目标多为小尺度|
|**场景类型**|真实户外环境：城市道路、应急监控区域、交通路口、开阔野外区域|
|**主要应用任务**|UAV视角下小目标行人/车辆检测、热红外显著性检测（SOD）、显著图引导的目标增强与定位、复杂背景下的注意力机制建模等|
|**数据特点**|解决“UAV热红外公开数据集稀缺”问题，同时支持检测+分割双任务，包含昼夜鲁棒性验证场景，目标尺度小、背景复杂、热对比度变化大|
|**数据格式**|图像：PNG/JPG（伪彩RGB）；检测标注：YOLO格式.txt或COCO JSON；显著性标注：二值掩膜PNG（0/255）|


----
针对这份珍贵的无人机热红外数据集，由于它同时包含**目标检测（Bounding Box）**和**显著性分割（Pixel-level Mask）**两种标注，在训练时我们需要分别处理。
这里为你准备了两套基于 **YOLOv11** 的训练代码：一套用于**行人/车辆的目标检测**，另一套用于**显著性物体检测（实例分割任务）**。
### 📂 第一步：整理数据集目录结构

建议将数据整理成以下标准 YOLO 格式，方便脚本直接读取：
```
UAV_Thermal_Dataset/
├── images/
│   ├── train/  (放入训练集伪彩RGB图像)
│   └── val/    (放入验证集伪彩RGB图像)
├── labels/             # 存放目标检测的 .txt 标签
│   ├── train/
│   └── val/
├── masks/              # 存放显著性检测的二值掩膜 (.png)
│   ├── train/
│   └── val/
├── thermal_det.yaml    # 目标检测配置文件
└── thermal_seg.yaml    # 显著性分割配置文件
```


----
### 🎯 第二步：任务一 —— 行人与车辆目标检测训练代码

热红外图像中，小目标和复杂背景是主要难点。我们在配置中开启了针对性的数据增强。
**1. 创建 `thermal_det.yaml` 配置文件：**
```
path: ./UAV_Thermal_Dataset
train: images/train
val: images/val

nc: 2
names: ['pedestrian', 'vehicle']
```
**2. 编写 Python 训练脚本 (`train_detection.py`)：**
```
from ultralytics import YOLO

def train_thermal_detection():
    # 加载 YOLOv11 检测预训练模型 (nano版本适合无人机端侧部署，追求精度可换 yolo11s.pt)
    model = YOLO('yolo11n.pt')

    results = model.train(
        data='thermal_det.yaml',
        epochs=150,           # 热红外特征提取较难，适当增加轮数
        imgsz=640,            # 适配原始 640x512 分辨率
        batch=16,             # 根据显存大小调整
        device=0,             # 使用GPU训练
        name='thermal_det_v11',
        patience=20,          # 早停机制
        optimizer='AdamW',    
        
        # --- 针对热红外与无人机视角的增强策略 ---
        hsv_h=0.0,            # 伪彩图色调固定，关闭色调增强避免破坏温度映射特征
        hsv_s=0.3,            # 适度饱和度增强
        hsv_v=0.5,            # 增强明度，模拟不同温差下的成像对比度
        degrees=15.0,         # 模拟无人机飞行时的多角度俯视
        translate=0.1,        # 平移增强
        scale=0.8,            # 缩放增强，重点强化小目标识别能力
        mosaic=1.0,           # Mosaic增强对密集小目标非常有效
        mixup=0.1,            # 适度Mixup防止过拟合
    )
    print("目标检测训练完成！")

if __name__ == '__main__':
    train_thermal_detection()
```


----
### 🔥 第三步：任务二 —— 显著性物体检测（实例分割）训练代码

显著性检测旨在让模型精准勾勒出行人或车辆的完整轮廓（像素级掩膜）。在 YOLOv11 中，这属于**实例分割（Segmentation）**任务。
**1. 创建 `thermal_seg.yaml` 配置文件：**
```
path: ./UAV_Thermal_Dataset
train: images/train
val: images/val
# 注意：YOLOv11分割任务的标签路径通常会自动寻找与images同级的masks文件夹

nc: 2
names: ['pedestrian', 'vehicle']
```
**2. 编写 Python 训练脚本 (`train_saliency.py`)：**
```
from ultralytics import YOLO

def train_thermal_saliency():
    # 必须加载带有 -seg 后缀的 YOLOv11 分割预训练模型
    model = YOLO('yolo11n-seg.pt')

    results = model.train(
        data='thermal_seg.yaml',
        task='segment',       # 明确指定为分割任务
        epochs=150,
        imgsz=640,
        batch=12,             # 分割任务显存占用较大，适当减小batch
        device=0,
        name='thermal_seg_v11',
        patience=20,
        
        # --- 分割任务的专属增强 ---
        overlap_mask=True,    # 允许掩膜重叠（应对密集人群/车流）
        mask_ratio=4,         # 掩膜下采样比例
        hsv_h=0.0,
        degrees=10.0,
        scale=0.7,
        mosaic=1.0,
    )
    print("显著性分割训练完成！")

if __name__ == '

---
```

智慧红外车辆行人巡检数据集面向无人机视角行人 / 车辆检测与显著性分割的热红外数据集数据由 DJI M600Pro 无人机搭载 FLIR Vue Pro 热像仪在白天与夜间采集，专门解决“无人机视角下缺乏行人和车辆热红外公开数据集”的问题，并提供目标检测和显著性检测所需的像素级标注。数据属性 描述空间分辨率 原始图像 640 × 512 像素（热红外）图像数量 2,975 幅热红外图像目标类别 行人（pedestrian）、车辆（vehicle）实例数量 4,768 个行人目标 + 3,856 个车辆目标，共 8,624 个实例图像格式 原始为单通道长波热红外，经过温度映射转换为 3 通道伪彩 RGB成像平台 DJI M600Pro 无人机 + FLIR Vue Pro 热像仪，低空航拍，白天与夜间场景标注形式 1）行人 / 车辆的边界框（用于目标检测）；2）显著性检测用的像素级显著区域掩膜（saliency ground truth）场景类型 面向环境监测、应急管理、交通监测等 UAV 应用场景的真实户外环境（道路、监控区域等）采集时间 包含昼夜两种光照条件（仅热红外，无可见光配对）使用任务 UAV 视角下的小目标行人 / 车辆检测、显著性检测（salient object detection）、显著图与热红外融合增强、复杂场景下的注意力机制研究等专门针对夜间及复杂环境下的行人与车辆检测，数据属性表格：

智慧红外小目标行人车辆检测数据集 无人机行人和车辆热红外公开数据集 基于YOLOv11的目标检测训练代码训练无人机红外车辆行人检测数据集

人工智能

物联网

客户端

无人机热红外数据集UAV-Thermal-SOD专为无人机视角下行人车辆检测与显著性分割设计，含2975幅热红外图像，含8624个标注实例，支持昼夜复杂场景，提供边界框与像素级掩膜标注，适用于小目标检测、显著性分割及多任务模型训练。

大数据

Python

2026采购季 | AI焕新·智启新局

datainlong

4核4G3M云服务器 新用户低至38元/年！

bigdata-class

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

智慧红外小目标行人车辆检测数据集 无人机行人和车辆热红外公开数据集 基于YOLOv11的目标检测训练代码训练无人机红外车辆行人检测数据集-腾讯云开发者社区-腾讯云

智慧红外小目标行人车辆检测数据集无人机行人和车辆热红外公开数据集基于YOLOv11的目标检测训练代码训练无人机红外车辆行人检测数据集

智慧红外小目标行人车辆检测数据集无人机行人和车辆热红外公开数据集基于YOLOv11的目标检测训练代码训练无人机红外车辆行人检测数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

智慧红外小目标行人车辆检测数据集 无人机行人和车辆热红外公开数据集 基于YOLOv11的目标检测训练代码训练无人机红外车辆行人检测数据集

智慧红外小目标行人车辆检测数据集 无人机行人和车辆热红外公开数据集 基于YOLOv11的目标检测训练代码训练无人机红外车辆行人检测数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

智慧红外小目标行人车辆检测数据集无人机行人和车辆热红外公开数据集基于YOLOv11的目标检测训练代码训练无人机红外车辆行人检测数据集

智慧红外小目标行人车辆检测数据集无人机行人和车辆热红外公开数据集基于YOLOv11的目标检测训练代码训练无人机红外车辆行人检测数据集