简介：这份资源面向无人机视觉与水上目标识别方向的学习者和开发者，提供基于 ultralytics YOLO11 的船只检测完整方案，可用于水上目标识别、海上搜救等场景，适合具备一定深度学习基础、希望快速复现或二次开发的人员。压缩包共约 2000 个文件，整体 676.5MB，包含 1059 个 txt 标签、284 张 jpg 图像、169 个 py 脚本、88 个 yaml 配置及少量 cpp、js、html 等推理与展示文件，覆盖数据、训练、部署多个环节。数据集已标注为 YOLO 与 VOC 两种格式，并划分 train、val、test，附 data.yaml，可直接用于 yolov5 至 v12 等算法训练，类别为 boat（船只）。资源同时提供使用教程与模型评价指标曲线图，便于读者掌握训练流程、评估模型效果并迁移到自有数据。已有 89 人学习，适合作为水上目标检测项目的起步模板与参考实现。

1. 无人机视角船只检测：为什么通用 YOLO 模型在水面上会集体翻车

把 YOLO11 直接套到无人机航拍的海面画面里，十有八九第一轮推理结果会让你怀疑人生：近处船只框得还行，中远距离的船要么漏检，要么被框成一片模糊的白色噪点。这不是模型不行，而是无人机视角 + 水面背景这个组合本身就带着几个反直觉的坑。水面高光反射、船只尾迹、远处海天交界线，都会让在 COCO 上表现优异的通用权重直接失灵。ultralytics 这套框架把训练、验证、导出、推理串成了一条流水线，但流水线跑得通不代表结果能用。

这篇笔记面向的是手里有无人机航拍素材、想做水上目标识别或海上搜救任务的工程师。我会把从数据集组织、YOLO11 训练配置、到无人机视角特有的参数调整和排错路径讲清楚，让你拿到一份「船只检测数据集 + 训练好的模型」之后，知道每一步在干什么、参数为什么这么设、哪里最容易翻车。海上搜救场景对漏检的容忍度极低，一个漏掉的小目标可能意味着一条人命，所以召回率优先于精度，这个基调会贯穿全文。

2. 数据集怎么组织：从原始航拍到 YOLO11 能吃的格式

2.1 无人机船只数据集的三个典型来源与标注策略

无人机视角的船只数据，常见来源无非三类：一是自采的航拍视频抽帧，二是公开的无人机海事数据集，三是用仿真环境合成的画面。自采数据的优势是场景贴合，劣势是标注成本高；公开数据集省事，但类别定义和你的任务未必一致；合成数据可以批量生成小目标，但域间隙（domain gap）会让模型在真实画面上打折扣。我一般会以自采为主、公开数据做补充、合成数据只用来预训练。

标注策略上，船只检测和通用目标检测最大的区别在于目标尺度跨度极大。同一帧画面里，近处的渔船可能占 800×600 像素，远处的快艇只有 12×8 像素。如果按常规的标注规范只框可见船体，远处目标会小到模型根本学不到特征。我的做法是：对小于 16×16 像素的目标，标注时适当外扩 2 到 4 个像素，保证标注框至少覆盖船体的主要轮廓；对超过画面 1/3 的近处大船，正常标注即可。类别上，如果只是搜救任务，建议先做单类「boat」，不要一上来就分渔船、货轮、快艇，类别越多小目标越难学。

标注工具用 LabelImg 或 CVAT 都行，导出 YOLO 格式的 txt。每张图的标注文件里，每行是class_id x_center y_center width height，全部归一化到 0 到 1。这里有个血泪经验：无人机画面里经常出现船只被浪花或尾迹部分遮挡的情况，标注时只框可见部分，不要脑补被遮挡的船体，否则模型会学到错误的边界。

2.2 目录结构与 data.yaml 的最小可用配置

YOLO11 对数据集的目录结构有固定要求，ultralytics 会在训练时按data.yaml里的路径去读。一个能直接跑通的最小结构如下：

boat_dataset/ ├── images/ │ ├── train/ # 训练集图片，jpg/png │ ├── val/ # 验证集图片 │ └── test/ # 测试集图片（可选） ├── labels/ │ ├── train/ # 与 train 图片同名的 txt │ ├── val/ │ └── test/ └── data.yaml

data.yaml的内容：

# 数据集根路径，建议写绝对路径，避免相对路径踩坑 path: /home/user/boat_dataset train: images/train val: images/val test: images/test # 类别数，单类船只就写 1 nc: 1 # 类别名称，顺序必须和标注文件里的 class_id 对应 names: 0: boat

逻辑说明：path是数据集根目录，train/val/test是相对于path的子路径。ultralytics 会拼接path + train去找图片，然后自动把images替换成labels去找同名标注。参数上，nc必须和标注文件里出现的最大 class_id 加一一致，写错了训练时不会报错，但类别会错乱。names的键必须是整数，从 0 开始连续。

提示：如果验证集和训练集用了同一批图片，mAP 会虚高，搜救任务里这种自欺欺人最要命。建议按 8:1:1 划分，且划分时保证同一段视频的帧不要同时出现在训练和验证集里，否则相邻帧高度相似会导致验证指标失真。

2.3 用脚本做一次数据集体检：尺寸、类别、空标注

在开训之前，我习惯跑一个体检脚本，把数据集的坑提前暴露出来。下面这段代码检查图片能否正常读取、标注是否越界、有没有空标注文件：

import os from pathlib import Path from PIL import Image root = Path("/home/user/boat_dataset") splits = ["train", "val", "test"] bad_images, empty_labels, out_of_range = [], [], [] for split in splits: img_dir = root / "images" / split lbl_dir = root / "labels" / split for img_path in img_dir.glob("*"): # 1. 检查图片是否可读 try: w, h = Image.open(img_path).size except Exception as e: bad_images.append((str(img_path), str(e))) continue # 2. 检查对应标注 lbl_path = lbl_dir / (img_path.stem + ".txt") if not lbl_path.exists(): empty_labels.append(str(img_path)) continue lines = lbl_path.read_text().strip().splitlines() if len(lines) == 0: empty_labels.append(str(img_path)) continue for line in lines: parts = line.split() if len(parts) != 5: out_of_range.append((str(lbl_path), "字段数不对")) continue cls, x, y, bw, bh = parts # 3. 归一化坐标必须在 0~1 之间 vals = [float(x), float(y), float(bw), float(bh)] if any(v < 0 or v > 1 for v in vals): out_of_range.append((str(lbl_path), line)) print("坏图:", len(bad_images)) print("空标注:", len(empty_labels)) print("越界标注:", len(out_of_range))

逻辑说明：这段脚本做了三件事——用 PIL 打开图片确认文件没损坏；检查每张图是否有对应的标注文件且非空；校验归一化坐标是否在 0 到 1 之间。参数上不需要额外配置，改root路径即可。跑完如果「空标注」数量超过总数的 5%，说明标注工作有遗漏，需要回去补；「越界标注」通常是因为标注工具导出时坐标没归一化，或者手动改标注时写错了。

3. YOLO11 训练配置：从预训练权重到无人机视角的参数微调

3.1 ultralytics 安装与版本确认

ultralytics 的安装本身不复杂，但热搜里那个could not find a version that satisfies the requirement ultralytics的报错，我见过太多次。绝大多数情况是 Python 版本太低或者 pip 源的问题。YOLO11 要求 Python 3.8 以上，推荐 3.10 或 3.11。安装命令：

# 建议在虚拟环境里装，避免污染系统环境 python -m venv yolo_env source yolo_env/bin/activate # 升级 pip，老版本 pip 解析依赖容易出问题 pip install --upgrade pip # 安装 ultralytics，会自动带上 torch 等依赖 pip install ultralytics # 验证安装和版本 yolo version

逻辑说明：python -m venv创建独立环境，避免和系统里其他包冲突。pip install --upgrade pip这步很多人跳过，但老版本 pip 在解析 ultralytics 的依赖树时确实会报找不到版本。yolo version会打印当前 ultralytics 版本，确认装上了再往下走。如果还是报could not find a version，检查一下 Python 版本是不是低于 3.8，以及网络是否能正常访问 PyPI。

注意：不要用pip install ultralytics --pre去装预览版，预览版的 API 可能和稳定版不一致，训练脚本会莫名其妙报错。生产任务用稳定版。

3.2 用 yolo11n.pt 做迁移学习：训练命令与关键参数

YOLO11 有 n/s/m/l/x 五个尺寸，无人机视角船只检测我一般从yolo11n.pt或yolo11s.pt起步。n 版推理快，适合机载实时；s 版精度略高，适合地面站后处理。训练命令：

yolo detect train \ model=yolo11n.pt \ data=/home/user/boat_dataset/data.yaml \ epochs=150 \ imgsz=1280 \ batch=8 \ device=0 \ workers=4 \ patience=30 \ project=boat_runs \ name=exp_n_1280

逻辑说明：model=yolo11n.pt加载 COCO 预训练权重做迁移学习，比从零训练收敛快得多。data指向刚才的data.yaml。epochs=150是上限，配合patience=30做早停——30 轮验证指标不提升就停，省时间。imgsz=1280是无人机视角的关键参数，下面单独讲。batch=8在 8GB 显存上比较稳，显存大可加到 16。device=0指定第一块 GPU，CPU 训练把 device 设成cpu但会很慢。workers=4是数据加载线程数，根据 CPU 核数调整。

参数上最需要解释的是imgsz。YOLO 默认 640，但无人机画面里小目标多，640 下远处船只可能只剩几个像素，特征提取网络根本抓不住。把imgsz提到 1280，小目标的像素面积变成原来的 4 倍，召回率会有肉眼可见的提升。代价是显存占用和训练时间增加，推理速度也会下降。如果机载算力有限，可以训练用 1280、推理用 960 或 640，但精度会掉一些，需要自己权衡。

3.3 无人机视角必调的超参：mosaic、scale、copy_paste

ultralytics 的默认数据增强对通用数据集够用，但无人机视角有它的特殊性。几个我每次都会动的参数：

yolo detect train \ model=yolo11s.pt \ data=/home/user/boat_dataset/data.yaml \ epochs=200 \ imgsz=1280 \ batch=8 \ mosaic=0.8 \ scale=0.6 \ copy_paste=0.3 \ degrees=5.0 \ fliplr=0.5 \ hsv_h=0.015 \ hsv_s=0.5 \ hsv_v=0.4

逻辑说明：mosaic=0.8表示 80% 的概率做马赛克增强，把四张图拼成一张。这个增强对小目标特别有用，因为拼图后小目标会出现在不同位置和尺度上。但注意，mosaic 在训练最后 10 轮建议关掉（ultralytics 有close_mosaic参数，默认 10），让模型在真实分布上收尾。scale=0.6是随机缩放幅度，无人机高度变化导致目标尺度变化大，这个值可以适当放大到 0.6 到 0.8。copy_paste=0.3是复制粘贴增强，把标注的船只抠出来贴到其他位置，对增加小目标样本量很有效，但贴的时候要注意别贴到天空区域，否则模型会学到「船在天上」这种荒谬特征。

degrees=5.0是随机旋转角度，无人机航拍会有轻微倾斜，但不会像卫星图那样任意角度，所以给 5 度就够了，给太大反而引入不真实的样本。hsv_s=0.5和hsv_v=0.4是饱和度和明度扰动，水面反光会导致亮度剧烈变化，这两个值调大一点能提升模型对光照的鲁棒性。

提示：copy_paste在 ultralytics 里需要分割标注才能发挥完整效果，检测任务下它做的是简单的矩形区域复制。如果你的数据集只有检测框，这个增强的效果有限，可以设成 0.1 到 0.2 保守使用。

4. 训练过程排查：loss 不降、mAP 虚高、显存爆炸怎么处理

4.1 看训练日志的三个关键指标

ultralytics 训练时会在终端和runs/目录下输出日志。我盯三个东西：box_loss、cls_loss、mAP50。box_loss是边界框回归损失，正常应该在前 20 轮快速下降然后趋于平缓；如果它一直震荡不降，多半是学习率太大或者标注框有问题。cls_loss是分类损失，单类任务下这个值应该很快降到接近 0，如果居高不下，检查data.yaml里的nc和names是否和标注一致。mAP50是 IoU 阈值 0.5 下的平均精度，搜救任务我更关注mAP50-95和召回率，因为高 IoU 下的精度才反映框得准不准。

如果训练到 50 轮mAP50还在 0.1 以下，基本可以停了，回去查数据集。常见原因是标注坐标没归一化、图片和标注文件名不匹配、或者data.yaml路径写错导致读到了空数据集。

4.2 验证集 mAP 高但实际推理漏检：过拟合与分布偏移

这是无人机船只检测里最迷惑人的坑：验证集mAP50跑到 0.9，拿一段新拍的视频去推理，漏检一片。原因通常是验证集和训练集来自同一段视频，相邻帧几乎一样，模型只是记住了这些帧，没有真正学到船只的通用特征。解决办法前面提过，按视频段划分数据集，而不是按帧随机划分。

另一个原因是分布偏移。训练集是晴天正午拍的，推理时是黄昏或者阴天，水面颜色和反光完全不同。缓解办法是在训练集里尽量覆盖不同光照、不同海况、不同飞行高度。如果实在覆盖不了，推理前做一次简单的直方图均衡化或者用测试时增强（TTA），yolo detect predict加augment=True可以开启 TTA，但速度会慢 2 到 3 倍。

4.3 显存不够时的降级路径

imgsz=1280加batch=8在 8GB 显存上可能直接 OOM。降级顺序我一般这么走：先把batch降到 4，再把imgsz降到 1024，最后才考虑换更小的模型。不建议一上来就降imgsz到 640，那样小目标检测基本废了。如果显存实在紧张，可以用梯度累积模拟大 batch：

yolo detect train \ model=yolo11n.pt \ data=/home/user/boat_dataset/data.yaml \ imgsz=1280 \ batch=4 \ accumulate=4 \ device=0

accumulate=4表示每 4 个 batch 才更新一次权重，等效于 batch=16，但显存占用还是 batch=4 的水平。代价是训练速度会慢一些，因为多了等待时间。

5. 避坑与常见问题：五条血泪经验

现象一：训练 loss 正常下降，但推理时所有船都被框成同一个位置。原因通常是标注文件里的坐标没有归一化，比如写成了像素坐标而不是 0 到 1 的比例。解决方法是回到 2.3 的体检脚本，检查out_of_range的输出，把所有越界标注重新导出。

现象二：could not find a version that satisfies the requirement ultralytics反复出现。原因可能是 Python 版本低于 3.8，或者 pip 源里没有对应版本的包。解决方法是python --version确认版本，然后pip install ultralytics -i https://pypi.org/simple指定官方源重试。

现象三：训练到一半突然报 CUDA out of memory。原因可能是imgsz或batch设太大，也可能是workers太多导致数据加载占用显存。解决方法是降batch到 4 或 2，workers降到 2，如果还不行就降imgsz到 1024。

现象四：验证集 mAP 很高，但模型导出 ONNX 后推理结果和 PyTorch 不一致。原因通常是导出时的输入尺寸和推理时的预处理不匹配。解决方法是导出时明确指定imgsz，推理时用同样的尺寸做 letterbox 预处理，不要用 OpenCV 默认的 resize。

现象五：小目标漏检严重，大目标框得还行。原因可能是imgsz太小，或者mosaic增强关闭太早。解决方法是把imgsz提到 1280，mosaic保持 0.8 到 0.9，close_mosaic设成 15 而不是默认的 10，让模型多学一会儿小目标。

6. 进阶技巧：用切片推理把远处小船捞回来

即使imgsz=1280，无人机画面里最远处那几个像素级的船只还是可能漏掉。这时候可以用切片推理（SAHI，Slicing Aided Hyper Inference）的思路：把大图切成有重叠的小块，每块单独推理，再把结果合并。ultralytics 本身不直接提供 SAHI，但可以自己写一个简单的切片推理脚本：

import cv2 import numpy as np from ultralytics import YOLO model = YOLO("boat_runs/exp_n_1280/weights/best.pt") img = cv2.imread("test_frame.jpg") h, w = img.shape[:2] # 切片参数：每块 640x640，重叠 128 像素 tile, overlap = 640, 128 stride = tile - overlap all_boxes = [] for y in range(0, h, stride): for x in range(0, w, stride): # 保证切片不越界 x2, y2 = min(x + tile, w), min(y + tile, h) x1, y1 = max(0, x2 - tile), max(0, y2 - tile) crop = img[y1:y2, x1:x2] results = model.predict(crop, imgsz=640, conf=0.25, verbose=False) for box in results[0].boxes: # 把切片坐标映射回原图 bx1, by1, bx2, by2 = box.xyxy[0].tolist() all_boxes.append([bx1 + x1, by1 + y1, bx2 + x1, by2 + y1, box.conf[0].item()]) # 用 NMS 合并重叠框 def nms(boxes, iou_thr=0.5): boxes = sorted(boxes, key=lambda b: b[4], reverse=True) keep = [] while boxes: best = boxes.pop(0) keep.append(best) boxes = [b for b in boxes if iou(best, b) < iou_thr] return keep def iou(a, b): xx1, yy1 = max(a[0], b[0]), max(a[1], b[1]) xx2, yy2 = min(a[2], b[2]), min(a[3], b[3]) inter = max(0, xx2 - xx1) * max(0, yy2 - yy1) area_a = (a[2] - a[0]) * (a[3] - a[1]) area_b = (b[2] - b[0]) * (b[3] - b[1]) return inter / (area_a + area_b - inter + 1e-6) final = nms(all_boxes) print(f"切片推理得到 {len(final)} 个目标")

逻辑说明：这段脚本把原图按 640×640 切片，重叠 128 像素，每块单独推理，然后把框映射回原图坐标，最后用 NMS 去重。参数上，tile和overlap需要根据目标大小调：目标越小，tile可以越小、overlap越大，但推理次数会成倍增加。conf=0.25是置信度阈值，搜救任务可以降到 0.15 提高召回，代价是误检增多，需要人工复核。

这个方法的代价是推理时间变成原来的十几倍，不适合机载实时，但适合地面站对关键帧做精细搜索。我一般只在搜救任务的最后确认阶段用，平时还是用整图推理。

最后说个习惯：每次训练完，我都会拿一段完全没参与训练的视频跑一遍，人工数漏检和误检，而不是只看验证集的 mAP。验证集指标是给自己看的，真实场景的漏检才是要命的。希望帮到你。

本文还有配套的精品资源，点击获取