简介面向红外小目标飞机检测的数据集定位于计算机视觉、无人机监控与红外遥感场景适合算法工程师与科研人员训练和评估以air为单一类别的检测模型。压缩包内共包含两千个文件整体大小约三十七点四兆字节文件构成包括一百四十七幅BMP红外图像、九百二十六个XML标注文件、九百二十六个TXT标签文件及一个缓存文件其中XML为VOC格式目标标注TXT为YOLO格式训练标签可直接接入常见目标检测框架。数据集已提供train.txt与test.txt的划分类别仅包含air按注释将数据路径指向./data/VOC2007/后即可开始训练和验证。目前已有169人学习或下载对于需要快速获得红外飞机检测标准数据、节省数据采集与标注整理时间的用户这份资源能够直接用于算法验证与效果对比降低实验准备成本。整体结构简洁便于快速理解与使用。1. 红外小目标飞机检测数据集一个 train 目录为什么比模型权重更值钱你刚拿到一份号称“红外小目标飞机检测数据集 train”的资源解压后里面是几千张灰度图和一排 txt于是按可见光检测的老套路直接丢给 YOLOv11 训练。三天后 Loss 降得漂亮验证集 mAP 看着还行可一到傍晚实拍就漏检成筛子。这个场景我见过太多次问题往往不在模型而在你根本没读懂“train”这个目录本身在表达什么约束红外图的信噪比、飞机所占的像素面积、标注框的真实边界这些全被数据集的目录结构和文件格式藏起来了。这个标题的核心不是“下载”而是“怎么把一份红外小目标检测数据集变成一辆训练不出问题的车”。我按目录解析、划分、训练、避坑的顺序把这套流程讲透。适合正在做红外夜视巡检、无人机反制和电力设施监控的人。2. 拆解红外小目标飞机检测数据集目录结构、标注格式与质量评估一份能直接用来训练的红外小目标飞机检测数据集通常不只是“一堆图加一堆框”。你拿到手的往往是三个子目录train、val、test而真正决定你训练成败的是每个子目录内部的文件组织方式。常见做法是images和labels平行放置labels里是 YOLO 格式的 txt每一行对应一个目标格式是class x_center y_center width height四个坐标值都做了归一化。如果你收到的是 XML 或 JSON第一件事是转成 YOLO 格式而不是直接喂给 Ultralytics 的接口。2.1 train 目录下到底该有什么逐文件核对清单我一般拿到数据集后不急着训练先做一次“目录体检”确认每个目录的职责。典型结构长这样. ├── train │ ├── images │ │ ├── seq_001_frame_0001.png │ │ ├── seq_001_frame_0002.png │ │ └── ... │ └── labels │ ├── seq_001_frame_0001.txt │ ├── seq_001_frame_0002.txt │ └── ... ├── val │ ├── images │ └── labels ├── test │ └── images └── dataset.yaml核对的第一个指标是“图文一一对应”每张images里的图在labels里必须有同名 txt即使这张图里没有目标txt 也应该是空文件而不是缺失。缺失的 txt 在 YOLO 训练时会被当成未标注样本如果你用背景图做训练模型会把背景学成负样本这是合理的但如果一张有飞机的图漏了 txt它就成了“标注噪声”直接把模型带偏。第二个指标是类别编号一致性dataset.yaml里的names顺序必须和 txt 里第一列的整数严格对应常见翻车现场是“0 表示飞机1 表示背景”结果训练时把所有目标全判成背景。下面这个 bash 脚本可以快速检查图文配对情况和空标注比例#!/bin/bash # 检查 train 目录下图文配对情况 for img in train/images/*.png; do base$(basename $img .png) if [ ! -f train/labels/${base}.txt ]; then echo Missing label: ${base} fi done # 统计空标注文件比例 total$(ls train/images/*.png | wc -l) empty$(find train/labels -name *.txt -empty | wc -l) echo Total images: ${total}, Empty labels: ${empty}这里不查缺失的图片对应哪些标签因为训练时 YOLO 只遍历图像文件缺失标签会被日志警告但不会中断。你可能觉得空标注多没关系但如果空标注超过总量的一半模型会倾向于输出“无目标”这类数据集需要先做难负例挖掘不能直接训练。2.2 红外图像与可见光的本质差异为什么飞机只剩几个像素可见光检测里一架飞机在 640x512 的画面里通常占几百个像素轮廓清晰、纹理丰富。红外小目标场景完全不同探测距离通常在 5 到 20 公里飞机在焦平面上只占 3x3 到 9x9 像素没有形状、没有纹理只是一个比背景稍亮的斑点。你没法靠“机翼形状”或“机尾轮廓”做识别只能靠“局部灰度对比度”和“时序一致性”。所以这类数据集和普通飞机检测数据集有本质区别。普通数据集训练出的模型学到的是“飞机的形状”红外小目标数据集训练出的模型学到的是“一个亮点在局部区域相对背景的显著性”。如果你把 ImageNet 预训练权重直接拿来做迁移学习第一层卷积核仍然是在找颜色和纹理而红外图只有一个通道且目标区域几乎没有纹理迁移效果会大打折扣。这也是为什么我在做红外小目标检测时更看重数据集的信噪比分布和局部对比度而不是只看标注框面积。2.3 五条质量指标评估数据集训练前不看会翻车拿到一份“红外小目标飞机检测数据集”你至少该在训练前统计这五个指标它们直接决定你这个模型的上限指标统计方式对训练的影响目标有效像素按标注框宽高统计看最大值/中位数/最小值小目标占比越高越需要高分辨率输入与切片策略信噪比分布统计目标区域与周围背景的灰度差值比噪声方差低信噪比样本少模型学不到“微弱目标”的判别力虚警源密度图中是否存在高温亮斑、热气团、地面热源决定你是否需要加难负例或引入背景抑制预处理标注框一致性边框是否紧贴目标灰度扩散区域标注松一圈训练时 IoU 计算就会漂移收敛变慢时间连续性同一目标是否多帧连续出现直接影响训练集/验证集划分方式乱切会导致指标虚高其中“标注框一致性”是我最常发现的隐性坑。有些数据集在标注小目标时标注员习惯把框画得比真实目标大一圈因为人眼在放大后难以精确落在 5 个像素内。训练时模型被处处“放松”的框约束输出的预测框尺寸会偏大在评测时用固定 IoU 阈值会明显吃亏。统计方法很简单把标注框的面积分布画成直方图看是否存在大量异常大的“小目标”。如果中位数像素面积超过20x20而你的应用场景是5x5级别那这份数据集更适合做“近距探测”而不是“远距预警”你得考虑加切片或专门的超分辨率支路。3. 用 train 目录训练 YOLOv11划分脚本、增强参数与训练配置当目录结构确认无误、质量评估心里有数之后就要把train目录变成真正的训练资产。这里最容易被忽略的是“划分方式”。很多开源数据集的train/val是直接按文件序号随机切的这在普通目标检测里问题不大但在红外小目标场景里是致命的——因为同一架飞机在同一条航迹上会连续出现几十帧如果这些连续帧同时出现在训练集和验证集里你的验证指标会虚高到离谱模型实战时立刻现原形。3.1 从 train 目录生成规范的 test 与 val按序列切分而非按帧切分我建议你拿到数据集后重新划分。如果文件名里带seq_001、seq_002这类序列编号按序列边界划分如果没有按时间戳间隔采样划分。下面这个脚本把“帧级随机”改成“序列级随机”import os import random from collections import defaultdict random.seed(42) img_dir train/images label_dir train/labels # 按文件名前缀聚合序列帧 seq_frames defaultdict(list) for fname in os.listdir(img_dir): if not fname.endswith(.png): continue seq_id fname.split(_)[0] _ fname.split(_)[1] seq_frames[seq_id].append(fname) # 打乱序列列表 seq_ids list(seq_frames.keys()) random.shuffle(seq_ids) # 按序列 7:2:1 划分 n_total len(seq_ids) n_train int(n_total * 0.7) n_val int(n_total * 0.2) train_seqs set(seq_ids[:n_train]) val_seqs set(seq_ids[n_train:n_train n_val]) test_seqs set(seq_ids[n_train n_val:]) # 写 list 文件 with open(train.txt, w) as f: for seq in train_seqs: for fname in seq_frames[seq]: f.write(os.path.join(img_dir, fname) \n) with open(val.txt, w) as f: for seq in val_seqs: for fname in seq_frames[seq]: f.write(os.path.join(img_dir, fname) \n) with open(test.txt, w) as f: for seq in test_seqs: for fname in seq_frames[seq]: f.write(os.path.join(img_dir, fname) \n)这段代码的关键在seq_id的提取方式我用下划线切割取前两段假设文件名形如seq_001_frame_0001.png。如果你的数据集命名规则不一样需要先看一眼文件名规律再改。这样划分能保证同一目标的时序片段全部落在同一个集合中验证集才能代表“模型从未见过的航迹”而不是被记忆过的重复帧。参数上7:2:1是常见做法但如果你数据量很少比如只有 2000 张建议改成8:1:1val 集保有 200 张以上否则单次验证的波动太大你会分不清改模型是在优化还是过拟合。3.2 针对小目标的增强参数mosaic、copy_paste 与 scale 的取舍YOLOv11 默认的增强参数是为常规目标设计的小目标场景必须改。重点看四个mosaic、copy_paste、scale和close_mosaic。# data_augment.yaml mosaic: 0.5 mixup: 0.2 copy_paste: 0.3 scale: 0.3 translate: 0.1 fliplr: 0.5 close_mosaic: 10mosaic把四张图拼成一张相当于把四个小目标区域合成到同一个训练样本里。对小目标检测我建议你把mosaic从默认的1.0降到0.5因为四张图拼接后每张图的尺寸被压缩到原来的 1/25x5 像素的目标缩成 2x2 甚至消失模型反而学不到有效特征。copy_paste在小目标场景很管用把标注框内的目标抠出来随机贴到另一张图的任意位置。对红外小目标来说目标只是一小片高亮像素复制粘贴不会产生可见光场景里那种边缘割裂感所以可以放心用到0.3。scale控制随机缩放的幅度默认的0.9对可见光大目标没问题但对 5x5 的红外小目标太暴力改成0.3让目标尺寸只在原尺寸 70% 到 130% 之间浮动即可。close_mosaic是训练最后几个 epoch 关闭 mosaic 增强的参数YOLOv11 默认是 10。这个参数对小目标非常关键mosaic 生成的拼接图里目标尺寸偏小如果训练全程都带 mosaic模型对真实尺寸目标的响应会被拉偏。保留 10 个 epoch 的“清纯”训练是为了让模型在最后阶段回归到真实分布。3.3 落到 YOLOv11 的训练配置yaml 与启动命令YOLOv11 对红外单通道图和小目标做适配我一般会改两个地方数据配置和模型 head 分支。# infrared_aircraft.yaml path: ./infrared_dataset train: train.txt val: val.txt test: test.txt nc: 1 names: 0: aircraftnc是类别数这里只有飞机一类。重点是后面训练命令里的imgsz参数。yolo detect train \ modelyolo11s.pt \ datainfrared_aircraft.yaml \ imgsz640 \ epochs100 \ batch16 \ lr00.01 \ cos_lrTrue \ optimizerAdamW \ valTrue \ device0imgsz640是常见选择但如果你的目标中位数只有 5x5640 输入意味着目标只占 8x8 区域经过 5 次下采样后特征图上只剩一个点。我建议至少试imgsz960甚至1280这会让显存占用上升但你换来的是小目标在特征图上多保留一到两个像素。batch16在 24G 显存下跑 960 输入比较安全显存不足就降到 8同时把workers调到 8 避免 CPU 成为瓶颈。这一套配置下来就完成了从train目录到可训练数据资产的全部准备。4. 训练与验收避坑红外小目标飞机检测的 5 个常见问题这一章是血泪经验。红外的坑和可见光完全不在一个量级很多问题你不踩一遍根本想不到它存在。下面五条是我在红外小目标飞机检测上最常见的翻车记录。4.1 现象Loss 正常下降但检测全为空原因三通道预处理与灰度分布冲突解决统一单通道适配训练日志里 Loss 从 2.0 降到 0.3看起来一切正常验证集 mAP 也有 0.8但一推理就是一张全黑的图检测框一个没有。这类问题常见于你把红外灰度图直接按三通道方式加载。有些推理脚本会对输入做归一化mean和std用的是 ImageNet 的[0.485, 0.456, 0.406]红外灰度图的像素分布是单峰且集中在 8000 到 1400014 位图或 0 到 2558 位图拿可见光的归一化参数套上去目标与背景的对比度被压缩到几乎为零。解决方式很简单加载后先转成单通道按数据集的灰度分布做 min-max 归一化或百分位截断。这一步比调任何模型参数都重要。4.2 现象mAP 高但实测漏检原因下采样倍率吞掉小目标解决提高输入分辨率或用 P2 层即使你设置了imgsz960YOLOv11 的主干网络下采样倍率依然会把 5x5 像素的目标压成一个特征点。Mosaic 增强对小目标有双面性它在训练时提供了丰富的背景上下文但推理时又是纯原图目标尺寸没有变大。我通常先做一次“特征层检查”把一张已知有飞机的测试图送进模型在 P3 层下采样 8 倍可视化特征响应。如果在 P3 层就已经看不到响应说明目标在进入 P4/P5 前就丢了这时需要启用 P2 层输出或者用切片推理把大图切成小块放大目标。4.3 现象把机场跑道热源误检成飞机原因训练集缺少难负例解决加入背景热源图做负样本挖掘跑道、机库、地面车辆这些热源在红外图里和目标一样亮形状也接近。如果你的数据集中在训练时把这类背景图全部放在test目录里当作“负样本验证”那模型会堂而皇之地把它们认成飞机。解决方式是挖难负例从误检样本里截取跑道热源区域放进训练集并保留为空标签的图片即 txt 文件为空让模型见过“亮但不一定是飞机”的样本。这个负例池最好保持在总样本量的 15% 到 30% 之间。4.4 现象验证指标虚高换场景后性能崩塌原因按帧随机划分导致序列帧泄漏解决按序列边界重新划分只有飞机数据集特别容易出现这个问题因为同一目标连续几十帧的形态和亮度变化很小。如果你在划分train/val时只用random_split验证集里大量样本与训练集高度相似模型没学“泛化”只学了“背答案”。验证指标看起来 0.9 很高一换机场、换时间段就掉到 0.3。解决方式就是第 3.1 节里的序列级划分按航迹边界切保证验证集是模型完全没见过的航线。4.5 现象预训练权重迁移后训练发散原因灰度图分布与 ImageNet 差异过大解决从头训练或仅冻结前两层YOLOv11 提供的yolo11s.pt是在 ImageNet 上预训练的彩色权重。红外图只有单通道且分布与自然图像差异巨大直接迁移时前三层卷积核学到的“颜色纹理”特征不仅没用还会干扰梯度方向。我一般会做两次实验第一次从头训练 100 epoch 作为基线第二次用yolo11s.pt做迁移并冻结前两层。如果从头训练的效果与迁移训练差距在 2 个 mAP 以内我倾向从头训练省去预训练权重带来的分布偏移隐患。5. 提升红外小目标召回率的两个后手切片检测与可视化验证当主训练流程稳定后如果你的红外小目标召回率仍然不够不要再盲目调超参数。我通常先做两个动作一是切片检测二是热力图可视化。前者直接提高小目标的输入分辨率后者快速定位模型到底在“看”什么。切片检测的思路是把原始大图切成若干小块每个小块独立送入模型推理最后把检测框合并回原图坐标。这一步对红外小目标尤其有效因为相当于把 5x5 的目标放大到 20x20 再让模型检测。常见做法是用 SAHI 这类库但它对大图和切片重叠率有要求。from sahi import AutoDetectionModel from sahi.predict import get_sliced_prediction detection_model AutoDetectionModel.from_pretrained( model_typeultralytics, model_pathruns/detect/train/weights/best.pt, confidence_threshold0.3, image_size640, devicecuda:0 ) result get_sliced_prediction( test_ir.png, detection_model, slice_height256, slice_width256, overlap_height_ratio0.2, overlap_width_ratio0.2, postprocess_typeNMS, postprocess_match_metricIOS, postprocess_match_threshold0.5, )参数上slice_height和slice_width用 256 是为了让目标在切片里占据足够比例。overlap_height_ratio和overlap_width_ratio设为 0.2保证跨切片的同一目标不会被切成两半后重复检测。后处理用 NMS 加IOS交集除以较小面积匹配因为小目标的框面积小普通的 IoU 阈值对轻微偏移过于敏感。切片尺寸的选择有讲究。切得越小目标放大倍数越高但推理时间线性增加而且切片越多边界被切断的目标也越多。我一般看目标中位像素尺寸中位 5x5 就切 256中位 10x10 就切 512这是一个够用的经验值不必追求极致放大。热力图验证则是用 Grad-CAM 对你选定的内部层生成响应图叠加在原图上。如果响应集中在飞机的高亮像素周围说明模型学到的是目标本身的红外特征如果响应集中在整片亮区或背景边缘说明模型只是在“亮度大就判为飞机”。这个可视化步骤我建议写进每个版本的验证环节它能比 mAP 更快暴露模型学到了什么假特征。我自己的习惯是每训完一个版本固定抽取十张代表性图片做切片检测和热力图验证再决定要不要回灌难例而不是只盯着验证集 Loss。红外小目标飞机检测数据集的“train”目录看着只是几千张图但它背后是信噪比、目标尺寸、虚警来源、划分方式这一整条链路。把这些链路理顺模型才能真正在夜航的实际场景里扛住。希望帮到你。本文还有配套的精品资源点击获取 红外小目标飞机检测数据集：从train目录到YOLOv11训练全解析
简介面向红外小目标飞机检测的数据集定位于计算机视觉、无人机监控与红外遥感场景适合算法工程师与科研人员训练和评估以air为单一类别的检测模型。压缩包内共包含两千个文件整体大小约三十七点四兆字节文件构成包括一百四十七幅BMP红外图像、九百二十六个XML标注文件、九百二十六个TXT标签文件及一个缓存文件其中XML为VOC格式目标标注TXT为YOLO格式训练标签可直接接入常见目标检测框架。数据集已提供train.txt与test.txt的划分类别仅包含air按注释将数据路径指向./data/VOC2007/后即可开始训练和验证。目前已有169人学习或下载对于需要快速获得红外飞机检测标准数据、节省数据采集与标注整理时间的用户这份资源能够直接用于算法验证与效果对比降低实验准备成本。整体结构简洁便于快速理解与使用。1. 红外小目标飞机检测数据集一个 train 目录为什么比模型权重更值钱你刚拿到一份号称“红外小目标飞机检测数据集 train”的资源解压后里面是几千张灰度图和一排 txt于是按可见光检测的老套路直接丢给 YOLOv11 训练。三天后 Loss 降得漂亮验证集 mAP 看着还行可一到傍晚实拍就漏检成筛子。这个场景我见过太多次问题往往不在模型而在你根本没读懂“train”这个目录本身在表达什么约束红外图的信噪比、飞机所占的像素面积、标注框的真实边界这些全被数据集的目录结构和文件格式藏起来了。这个标题的核心不是“下载”而是“怎么把一份红外小目标检测数据集变成一辆训练不出问题的车”。我按目录解析、划分、训练、避坑的顺序把这套流程讲透。适合正在做红外夜视巡检、无人机反制和电力设施监控的人。2. 拆解红外小目标飞机检测数据集目录结构、标注格式与质量评估一份能直接用来训练的红外小目标飞机检测数据集通常不只是“一堆图加一堆框”。你拿到手的往往是三个子目录train、val、test而真正决定你训练成败的是每个子目录内部的文件组织方式。常见做法是images和labels平行放置labels里是 YOLO 格式的 txt每一行对应一个目标格式是class x_center y_center width height四个坐标值都做了归一化。如果你收到的是 XML 或 JSON第一件事是转成 YOLO 格式而不是直接喂给 Ultralytics 的接口。2.1 train 目录下到底该有什么逐文件核对清单我一般拿到数据集后不急着训练先做一次“目录体检”确认每个目录的职责。典型结构长这样. ├── train │ ├── images │ │ ├── seq_001_frame_0001.png │ │ ├── seq_001_frame_0002.png │ │ └── ... │ └── labels │ ├── seq_001_frame_0001.txt │ ├── seq_001_frame_0002.txt │ └── ... ├── val │ ├── images │ └── labels ├── test │ └── images └── dataset.yaml核对的第一个指标是“图文一一对应”每张images里的图在labels里必须有同名 txt即使这张图里没有目标txt 也应该是空文件而不是缺失。缺失的 txt 在 YOLO 训练时会被当成未标注样本如果你用背景图做训练模型会把背景学成负样本这是合理的但如果一张有飞机的图漏了 txt它就成了“标注噪声”直接把模型带偏。第二个指标是类别编号一致性dataset.yaml里的names顺序必须和 txt 里第一列的整数严格对应常见翻车现场是“0 表示飞机1 表示背景”结果训练时把所有目标全判成背景。下面这个 bash 脚本可以快速检查图文配对情况和空标注比例#!/bin/bash # 检查 train 目录下图文配对情况 for img in train/images/*.png; do base$(basename $img .png) if [ ! -f train/labels/${base}.txt ]; then echo Missing label: ${base} fi done # 统计空标注文件比例 total$(ls train/images/*.png | wc -l) empty$(find train/labels -name *.txt -empty | wc -l) echo Total images: ${total}, Empty labels: ${empty}这里不查缺失的图片对应哪些标签因为训练时 YOLO 只遍历图像文件缺失标签会被日志警告但不会中断。你可能觉得空标注多没关系但如果空标注超过总量的一半模型会倾向于输出“无目标”这类数据集需要先做难负例挖掘不能直接训练。2.2 红外图像与可见光的本质差异为什么飞机只剩几个像素可见光检测里一架飞机在 640x512 的画面里通常占几百个像素轮廓清晰、纹理丰富。红外小目标场景完全不同探测距离通常在 5 到 20 公里飞机在焦平面上只占 3x3 到 9x9 像素没有形状、没有纹理只是一个比背景稍亮的斑点。你没法靠“机翼形状”或“机尾轮廓”做识别只能靠“局部灰度对比度”和“时序一致性”。所以这类数据集和普通飞机检测数据集有本质区别。普通数据集训练出的模型学到的是“飞机的形状”红外小目标数据集训练出的模型学到的是“一个亮点在局部区域相对背景的显著性”。如果你把 ImageNet 预训练权重直接拿来做迁移学习第一层卷积核仍然是在找颜色和纹理而红外图只有一个通道且目标区域几乎没有纹理迁移效果会大打折扣。这也是为什么我在做红外小目标检测时更看重数据集的信噪比分布和局部对比度而不是只看标注框面积。2.3 五条质量指标评估数据集训练前不看会翻车拿到一份“红外小目标飞机检测数据集”你至少该在训练前统计这五个指标它们直接决定你这个模型的上限指标统计方式对训练的影响目标有效像素按标注框宽高统计看最大值/中位数/最小值小目标占比越高越需要高分辨率输入与切片策略信噪比分布统计目标区域与周围背景的灰度差值比噪声方差低信噪比样本少模型学不到“微弱目标”的判别力虚警源密度图中是否存在高温亮斑、热气团、地面热源决定你是否需要加难负例或引入背景抑制预处理标注框一致性边框是否紧贴目标灰度扩散区域标注松一圈训练时 IoU 计算就会漂移收敛变慢时间连续性同一目标是否多帧连续出现直接影响训练集/验证集划分方式乱切会导致指标虚高其中“标注框一致性”是我最常发现的隐性坑。有些数据集在标注小目标时标注员习惯把框画得比真实目标大一圈因为人眼在放大后难以精确落在 5 个像素内。训练时模型被处处“放松”的框约束输出的预测框尺寸会偏大在评测时用固定 IoU 阈值会明显吃亏。统计方法很简单把标注框的面积分布画成直方图看是否存在大量异常大的“小目标”。如果中位数像素面积超过20x20而你的应用场景是5x5级别那这份数据集更适合做“近距探测”而不是“远距预警”你得考虑加切片或专门的超分辨率支路。3. 用 train 目录训练 YOLOv11划分脚本、增强参数与训练配置当目录结构确认无误、质量评估心里有数之后就要把train目录变成真正的训练资产。这里最容易被忽略的是“划分方式”。很多开源数据集的train/val是直接按文件序号随机切的这在普通目标检测里问题不大但在红外小目标场景里是致命的——因为同一架飞机在同一条航迹上会连续出现几十帧如果这些连续帧同时出现在训练集和验证集里你的验证指标会虚高到离谱模型实战时立刻现原形。3.1 从 train 目录生成规范的 test 与 val按序列切分而非按帧切分我建议你拿到数据集后重新划分。如果文件名里带seq_001、seq_002这类序列编号按序列边界划分如果没有按时间戳间隔采样划分。下面这个脚本把“帧级随机”改成“序列级随机”import os import random from collections import defaultdict random.seed(42) img_dir train/images label_dir train/labels # 按文件名前缀聚合序列帧 seq_frames defaultdict(list) for fname in os.listdir(img_dir): if not fname.endswith(.png): continue seq_id fname.split(_)[0] _ fname.split(_)[1] seq_frames[seq_id].append(fname) # 打乱序列列表 seq_ids list(seq_frames.keys()) random.shuffle(seq_ids) # 按序列 7:2:1 划分 n_total len(seq_ids) n_train int(n_total * 0.7) n_val int(n_total * 0.2) train_seqs set(seq_ids[:n_train]) val_seqs set(seq_ids[n_train:n_train n_val]) test_seqs set(seq_ids[n_train n_val:]) # 写 list 文件 with open(train.txt, w) as f: for seq in train_seqs: for fname in seq_frames[seq]: f.write(os.path.join(img_dir, fname) \n) with open(val.txt, w) as f: for seq in val_seqs: for fname in seq_frames[seq]: f.write(os.path.join(img_dir, fname) \n) with open(test.txt, w) as f: for seq in test_seqs: for fname in seq_frames[seq]: f.write(os.path.join(img_dir, fname) \n)这段代码的关键在seq_id的提取方式我用下划线切割取前两段假设文件名形如seq_001_frame_0001.png。如果你的数据集命名规则不一样需要先看一眼文件名规律再改。这样划分能保证同一目标的时序片段全部落在同一个集合中验证集才能代表“模型从未见过的航迹”而不是被记忆过的重复帧。参数上7:2:1是常见做法但如果你数据量很少比如只有 2000 张建议改成8:1:1val 集保有 200 张以上否则单次验证的波动太大你会分不清改模型是在优化还是过拟合。3.2 针对小目标的增强参数mosaic、copy_paste 与 scale 的取舍YOLOv11 默认的增强参数是为常规目标设计的小目标场景必须改。重点看四个mosaic、copy_paste、scale和close_mosaic。# data_augment.yaml mosaic: 0.5 mixup: 0.2 copy_paste: 0.3 scale: 0.3 translate: 0.1 fliplr: 0.5 close_mosaic: 10mosaic把四张图拼成一张相当于把四个小目标区域合成到同一个训练样本里。对小目标检测我建议你把mosaic从默认的1.0降到0.5因为四张图拼接后每张图的尺寸被压缩到原来的 1/25x5 像素的目标缩成 2x2 甚至消失模型反而学不到有效特征。copy_paste在小目标场景很管用把标注框内的目标抠出来随机贴到另一张图的任意位置。对红外小目标来说目标只是一小片高亮像素复制粘贴不会产生可见光场景里那种边缘割裂感所以可以放心用到0.3。scale控制随机缩放的幅度默认的0.9对可见光大目标没问题但对 5x5 的红外小目标太暴力改成0.3让目标尺寸只在原尺寸 70% 到 130% 之间浮动即可。close_mosaic是训练最后几个 epoch 关闭 mosaic 增强的参数YOLOv11 默认是 10。这个参数对小目标非常关键mosaic 生成的拼接图里目标尺寸偏小如果训练全程都带 mosaic模型对真实尺寸目标的响应会被拉偏。保留 10 个 epoch 的“清纯”训练是为了让模型在最后阶段回归到真实分布。3.3 落到 YOLOv11 的训练配置yaml 与启动命令YOLOv11 对红外单通道图和小目标做适配我一般会改两个地方数据配置和模型 head 分支。# infrared_aircraft.yaml path: ./infrared_dataset train: train.txt val: val.txt test: test.txt nc: 1 names: 0: aircraftnc是类别数这里只有飞机一类。重点是后面训练命令里的imgsz参数。yolo detect train \ modelyolo11s.pt \ datainfrared_aircraft.yaml \ imgsz640 \ epochs100 \ batch16 \ lr00.01 \ cos_lrTrue \ optimizerAdamW \ valTrue \ device0imgsz640是常见选择但如果你的目标中位数只有 5x5640 输入意味着目标只占 8x8 区域经过 5 次下采样后特征图上只剩一个点。我建议至少试imgsz960甚至1280这会让显存占用上升但你换来的是小目标在特征图上多保留一到两个像素。batch16在 24G 显存下跑 960 输入比较安全显存不足就降到 8同时把workers调到 8 避免 CPU 成为瓶颈。这一套配置下来就完成了从train目录到可训练数据资产的全部准备。4. 训练与验收避坑红外小目标飞机检测的 5 个常见问题这一章是血泪经验。红外的坑和可见光完全不在一个量级很多问题你不踩一遍根本想不到它存在。下面五条是我在红外小目标飞机检测上最常见的翻车记录。4.1 现象Loss 正常下降但检测全为空原因三通道预处理与灰度分布冲突解决统一单通道适配训练日志里 Loss 从 2.0 降到 0.3看起来一切正常验证集 mAP 也有 0.8但一推理就是一张全黑的图检测框一个没有。这类问题常见于你把红外灰度图直接按三通道方式加载。有些推理脚本会对输入做归一化mean和std用的是 ImageNet 的[0.485, 0.456, 0.406]红外灰度图的像素分布是单峰且集中在 8000 到 1400014 位图或 0 到 2558 位图拿可见光的归一化参数套上去目标与背景的对比度被压缩到几乎为零。解决方式很简单加载后先转成单通道按数据集的灰度分布做 min-max 归一化或百分位截断。这一步比调任何模型参数都重要。4.2 现象mAP 高但实测漏检原因下采样倍率吞掉小目标解决提高输入分辨率或用 P2 层即使你设置了imgsz960YOLOv11 的主干网络下采样倍率依然会把 5x5 像素的目标压成一个特征点。Mosaic 增强对小目标有双面性它在训练时提供了丰富的背景上下文但推理时又是纯原图目标尺寸没有变大。我通常先做一次“特征层检查”把一张已知有飞机的测试图送进模型在 P3 层下采样 8 倍可视化特征响应。如果在 P3 层就已经看不到响应说明目标在进入 P4/P5 前就丢了这时需要启用 P2 层输出或者用切片推理把大图切成小块放大目标。4.3 现象把机场跑道热源误检成飞机原因训练集缺少难负例解决加入背景热源图做负样本挖掘跑道、机库、地面车辆这些热源在红外图里和目标一样亮形状也接近。如果你的数据集中在训练时把这类背景图全部放在test目录里当作“负样本验证”那模型会堂而皇之地把它们认成飞机。解决方式是挖难负例从误检样本里截取跑道热源区域放进训练集并保留为空标签的图片即 txt 文件为空让模型见过“亮但不一定是飞机”的样本。这个负例池最好保持在总样本量的 15% 到 30% 之间。4.4 现象验证指标虚高换场景后性能崩塌原因按帧随机划分导致序列帧泄漏解决按序列边界重新划分只有飞机数据集特别容易出现这个问题因为同一目标连续几十帧的形态和亮度变化很小。如果你在划分train/val时只用random_split验证集里大量样本与训练集高度相似模型没学“泛化”只学了“背答案”。验证指标看起来 0.9 很高一换机场、换时间段就掉到 0.3。解决方式就是第 3.1 节里的序列级划分按航迹边界切保证验证集是模型完全没见过的航线。4.5 现象预训练权重迁移后训练发散原因灰度图分布与 ImageNet 差异过大解决从头训练或仅冻结前两层YOLOv11 提供的yolo11s.pt是在 ImageNet 上预训练的彩色权重。红外图只有单通道且分布与自然图像差异巨大直接迁移时前三层卷积核学到的“颜色纹理”特征不仅没用还会干扰梯度方向。我一般会做两次实验第一次从头训练 100 epoch 作为基线第二次用yolo11s.pt做迁移并冻结前两层。如果从头训练的效果与迁移训练差距在 2 个 mAP 以内我倾向从头训练省去预训练权重带来的分布偏移隐患。5. 提升红外小目标召回率的两个后手切片检测与可视化验证当主训练流程稳定后如果你的红外小目标召回率仍然不够不要再盲目调超参数。我通常先做两个动作一是切片检测二是热力图可视化。前者直接提高小目标的输入分辨率后者快速定位模型到底在“看”什么。切片检测的思路是把原始大图切成若干小块每个小块独立送入模型推理最后把检测框合并回原图坐标。这一步对红外小目标尤其有效因为相当于把 5x5 的目标放大到 20x20 再让模型检测。常见做法是用 SAHI 这类库但它对大图和切片重叠率有要求。from sahi import AutoDetectionModel from sahi.predict import get_sliced_prediction detection_model AutoDetectionModel.from_pretrained( model_typeultralytics, model_pathruns/detect/train/weights/best.pt, confidence_threshold0.3, image_size640, devicecuda:0 ) result get_sliced_prediction( test_ir.png, detection_model, slice_height256, slice_width256, overlap_height_ratio0.2, overlap_width_ratio0.2, postprocess_typeNMS, postprocess_match_metricIOS, postprocess_match_threshold0.5, )参数上slice_height和slice_width用 256 是为了让目标在切片里占据足够比例。overlap_height_ratio和overlap_width_ratio设为 0.2保证跨切片的同一目标不会被切成两半后重复检测。后处理用 NMS 加IOS交集除以较小面积匹配因为小目标的框面积小普通的 IoU 阈值对轻微偏移过于敏感。切片尺寸的选择有讲究。切得越小目标放大倍数越高但推理时间线性增加而且切片越多边界被切断的目标也越多。我一般看目标中位像素尺寸中位 5x5 就切 256中位 10x10 就切 512这是一个够用的经验值不必追求极致放大。热力图验证则是用 Grad-CAM 对你选定的内部层生成响应图叠加在原图上。如果响应集中在飞机的高亮像素周围说明模型学到的是目标本身的红外特征如果响应集中在整片亮区或背景边缘说明模型只是在“亮度大就判为飞机”。这个可视化步骤我建议写进每个版本的验证环节它能比 mAP 更快暴露模型学到了什么假特征。我自己的习惯是每训完一个版本固定抽取十张代表性图片做切片检测和热力图验证再决定要不要回灌难例而不是只盯着验证集 Loss。红外小目标飞机检测数据集的“train”目录看着只是几千张图但它背后是信噪比、目标尺寸、虚警来源、划分方式这一整条链路。把这些链路理顺模型才能真正在夜航的实际场景里扛住。希望帮到你。本文还有配套的精品资源点击获取