智慧检测小目标无人机、飞机、直升机检测数据集YOLOv11n小目标检测无人机飞机直升机检测数据集、3类空中小目标检测数据集、低空飞行器识别数据集空中目标识别源码、飞行器小目标检测模型、禁飞区无人机监测数据集11998张yolo和voc两种标注方式图像尺寸:512*512类别数量:3类训练集图像数量:10799; 验证集图像数量:603 测试集图像数量:596类别名称: 每一类图像数 每一类标注数AirPlane: 2535,2535Drone: 4728,4812Helicopter: 2523,2628image num: 11998一、数据集信息表项目详细参数数据集名称小目标无人机、飞机、直升机检测数据集总图像数量11998张图像尺寸512×512标注格式YOLO、VOC类别总数3类训练集10799张验证集603张测试集596张AirPlane飞机图像数2535标注数2535Drone无人机图像数4728标注数4812Helicopter直升机图像数2523标注数2628训练配置YOLOv11n训练轮次50 epoch配套资源训练测试全源码、训练权重、PyQt5可视化界面全套源码模型代码提供全部训练及测试源代码模型训练使用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pyqt5编写 提供全部源代码支持图片、视频及摄像头进行检测: 界面可实时显示目标位置、目标总数、置信度等信息: 支持检测结果保存;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二、YOLOv11 训练代码1. 数据集配置文件aircraft_detect.yamlpath:./datasets/aircrafttrain:images/trainval:images/valtest:images/testnc:3names:0:AirPlane1:Drone2:Helicopter2. 训练、验证、推理代码fromultralyticsimportYOLOimportwarnings warnings.filterwarnings(ignore)deftrain_aircraft():# 加载轻量化YOLOv11n模型modelYOLO(yolo11n.pt)# 训练参数设置model.train(dataaircraft_detect.yaml,epochs50,imgsz512,batch16,device0,workers4,patience10,projectruns/train,nameaircraft_drone_detect,saveTrue,valTrue)print(模型训练完成)defeval_model():# 模型精度评估modelYOLO(runs/train/aircraft_drone_detect/weights/best.pt)metricsmodel.val(dataaircraft_detect.yaml,imgsz512)print(fmAP0.5:{metrics.box.map50:.4f})defpredict_source(source):# 图片/视频/摄像头推理检测modelYOLO(runs/train/aircraft_drone_detect/weights/best.pt)resultsmodel.predict(sourcesource,imgsz512,conf0.45,saveTrue,show_labelsTrue,show_confTrue)returnresultsif__name____main__:train_aircraft()eval_model()# predict_source(test.jpg)三、PyQt5 界面说明基于PyQt5开发可视化操作界面配套完整源码、资源文件。支持图片检测、视频检测、摄像头实时检测界面实时展示目标位置、检测总数、置信度支持检测结果保存导出。内置训练完成的模型配置环境后可直接运行无需命令行操作。四、应用场景低空安防机场、军事区域、园区禁飞区监测入侵无人机、飞行器空域管控城市低空管理识别各类飞行器防范黑飞风险边境/安防巡检远距离小目标空中目标识别、预警项目开发与毕设小目标检测、低空视觉、目标检测方向课程设计、毕业设计算法研发小目标检测算法优化、复杂背景下飞行器识别研究赛事竞赛低空目标检测、通用目标检测类竞赛基线数据集与模型