空中无人机检测数据集解析与YOLO训练避坑指南-开发者社区

简介：面向无人机视觉检测与目标识别研究、开发人员的旋翼无人机UAV图片数据集，可直接用于训练与验证多种空中无人机检测算法。数据集包含7000多张已标注的无人机图片，标签格式提供txt与xml两种，适配YOLO系列及VOC格式等多种主流检测工具的标注要求。压缩包整体约876.78MB，共22675个文件，其中jpg图片约7558张，并配套对应数量的txt标注文件与xml标注文件，便于按需选择标注格式快速接入训练流程。资源统一按drone类别标注，适合在目标检测课程设计、算法实验或模型调优中作为专用数据集使用。目前已有1113人学习下载，可供需要无人机检测数据的开发者直接获取使用。

1. 空中无人机的检测数据集：7000多张UAV图片，先把格式坑说在前面

做空中无人机检测，最头疼的往往是数据。这份旋翼无人机UAV数据集包含7000多张标注好的UAV图片，类别只有drone，标签同时给出txt和xml两种，基本覆盖了YOLO和VOC两类主流标注格式。表面上看拿来就能训，但实际复现时你会遇到：txt和xml是否逐一对得上、标注框有没有越界、图片尺寸差异大不大、正负样本比例如何。这些问题不解决，训练时loss降得再漂亮，测出来还是一堆漏检。这里就按我拆这份数据的流程走一遍，适合正在做空中无人机检测、需要一份可复现基础数据的从业者。

2. 数据集结构解析：txt与xml双格式到底该怎么用

拿到数据集第一步别急着开训，先把它当成一个待验证的数据包来拆。很多翻车现场都是因为标签文件格式和训练脚本预期不一致，而不是模型本身不行。这份数据同时提供txt和xml，看起来是贴心，但两种格式共存本身就是一个需要先处理的风险点：它们可能来自不同的标注轮次，也可能在导出时丢了部分目标。

2.1 先看文件构成：一堆jpg背后藏着什么

解压后你会看到大量.jpg文件，文件名类似drone_2_595.jpg，这是原始图片。同名的.txt和.xml是标注文件。第一步用脚本做数量统计：

find . -name "*.jpg" | wc -l find . -name "*.txt" | wc -l find . -name "*.xml" | wc -l

第一行统计JPG图片数，第二行统计TXT标签数，第三行统计XML标签数。正常预期是三者数量一致，至少jpg和txt一致、xml也一致。如果txt比jpg少，说明有图片没有对应标签；如果xml比jpg多，说明存在冗余文件。我一般会把统计结果重定向到文件里仔细核对名单。

然后抽取一个文件名，看看三种文件是否真的能对应上：

ls drone_2_595.*

这条命令列出同一基名下的所有扩展名文件。如果只看到.jpg而没有.txt或.xml，就要警惕该图可能没有标注。对于训练集来说，少量漏标还能靠清洗补救，但漏标太多的话，模型会把漏标的无人机当成背景，造成严重的漏检。

另一个值得做的是图片尺寸统计。空中无人机在画面里经常很小，图片可能是1920x1080的航拍图，也可能是640x480的监控截图，尺寸分布不均会影响后续resize策略。可以用Python批量读取：

import cv2 import glob from collections import Counter sizes = Counter() for p in glob.glob("*.jpg"): img = cv2.imread(p) if img is None: print(f"无法读取: {p}") continue h, w = img.shape[:2] sizes[(w, h)] += 1 print(sizes)

这里用OpenCV逐张读取图片尺寸，统计不同宽高组合的出现次数。如果发现尺寸种类很多，后面训练时就要注意resize带来的坐标换算误差，尤其是标注框在小图上可能因为插值产生偏移。有些文件看起来是正常图片，但用cv2.imread读出来是None，这种文件要么损坏，要么是伪装成jpg的异常文件，需要直接删掉或转码，否则训练时会在数据加载阶段莫名其妙崩掉。

2.2 txt标签与xml标签的字段差异

txt和xml都是标注文件，但格式差异决定了它们喂给不同模型时的预处理方式不同。常见的txt是YOLO格式，每行一个目标，五个字段：

class_id x_center y_center width height

四个坐标值都是相对图片宽高的归一化比例，取值范围0到1。例如：

0 0.5213 0.4382 0.0417 0.0386

表示类别是0（即drone），中心点在图片横向52.13%、纵向43.82%的位置，框宽占4.17%，高占3.86%。这个框如果出现在1920x1080图上，像素宽就是1920*0.0417约80像素，高约41像素，属于典型小目标。

xml则是VOC风格，字段长这样：

<annotation> <size> <width>1920</width> <height>1080</height> </size> <object> <name>drone</name> <bndbox> <xmin>960</xmin> <ymin>460</ymin> <xmax>1040</xmax> <ymax>502</ymax> </bndbox> </object> </annotation>

xml记录的是绝对像素坐标，xmin/ymin/xmax/ymax，同时需要和里的宽高配合使用。两种格式本质描述同一个框，但转换时很容易出错。常见的坑是坐标顺序：YOLO是x_center, y_center, w, h，而VOC是xmin, ymin, xmax, ymax，写转换脚本时搞错一个字段，整个框就飞了。

我一般会写一个解析脚本，同时读txt和xml，把两者转成统一的绝对像素坐标并对比：

import glob def read_yolo(txt_path, img_w, img_h): boxes = [] with open(txt_path) as f: for line in f: parts = line.strip().split() if len(parts) != 5: continue cls, cx, cy, bw, bh = parts cx, cy, bw, bh = float(cx), float(cy), float(bw), float(bh) x1 = (cx - bw / 2) * img_w y1 = (cy - bh / 2) * img_h x2 = (cx + bw / 2) * img_w y2 = (cy + bh / 2) * img_h boxes.append((int(cls), x1, y1, x2, y2)) return boxes def read_xml(xml_path): import xml.etree.ElementTree as ET root = ET.parse(xml_path).getroot() boxes = [] for obj in root.findall("object"): name = obj.find("name").text bbox = obj.find("bndbox") x1 = float(bbox.find("xmin").text) y1 = float(bbox.find("ymin").text) x2 = float(bbox.find("xmax").text) y2 = float(bbox.find("ymax").text) boxes.append((name, x1, y1, x2, y2)) return boxes

read_yolo把归一化坐标还原成像素坐标，read_xml直接读取VOC的绝对坐标。对比两个函数输出时，重点看同一张图的框数量是否一致、坐标是否在容差范围内。如果txt的框比xml少，很可能是标注工具导出时丢目标；如果坐标对不上，就要检查生成txt时用的是不是归一化比例。

注意：归一化坐标要求除以的是原图宽高，而不是resize之后的宽高。有人从xml转txt时手滑写成了除以640，结果同一张图在不同输入尺寸下框全错位。这种错误在训练时待一会儿能靠loss变异常发现，但浪费的时间不值得。更隐蔽的是YOLO的框用wh表示宽高，VOC的bndbox给的是两个角点坐标，转的时候必须算abs(xmax-xmin)，不然负的宽度会直接让训练崩溃。

2.3 训练前必须做的一次数据体检

格式对齐不等于数据健康。我建议训练前写一个体检脚本，检查四件事：图片是否都能打开、标注框是否越界、框面积是否过小、类别标签是否只有drone。

import cv2, glob, os issues = [] for p in glob.glob("*.jpg"): txt = p.replace(".jpg", ".txt") if not os.path.exists(txt): issues.append((p, "missing_txt")) continue img = cv2.imread(p) if img is None: issues.append((p, "broken_image")) continue h, w = img.shape[:2] for line in open(txt): parts = line.strip().split() if len(parts) != 5: issues.append((p, "bad_line")) continue cls, cx, cy, bw, bh = parts cx, cy, bw, bh = float(cx), float(cy), float(bw), float(bh) x1 = (cx - bw/2) * w y1 = (cy - bh/2) * h x2 = (cx + bw/2) * w y2 = (cy + bh/2) * h if x1 < 0 or y1 < 0 or x2 > w or y2 > h: issues.append((p, "bbox_out_of_range")) if bw * w < 10 or bh * h < 10: issues.append((p, "tiny_box")) print("问题总数:", len(issues)) for item in issues[:50]: print(item)

这段脚本遍历所有jpg，缺txt的、图片损坏的、格式错误的、框越界的、框太小的都会被记下来。越界框通常是因为标注时拉框超出了图像边界，或者xml转txt时整数除法的精度问题。太小的框比如只有3x3像素，对检测来说基本是噪声，训练时反而会误导模型。把这些问题样本直接过滤掉，而不是等训练时让loss自己消化，这是血泪经验。

关于类别，可以统计一下txt里第一列出现的值：

awk '{print $1}' *.txt | sort | uniq -c

如果只出现0，说明类别id统一；如果出现1、2，说明数据集里可能混了其他类别，或者标签工具从1开始编号。YOLO类别id默认从0开始，如果你的标签里写的是1，但data.yaml里设置nc=1，那这个1会被解释成超出类别范围，训练直接报错。这种问题不用花时间调代码，直接批量把1改成0。

3. 把数据喂给YOLO系列：目录组织与训练配置

格式统一、数据健康之后，接下来的事就是把数据按你选中的检测框架喂进去。无人机检测目前最常用的还是YOLO系，速度快，文档多，遇到问题好查。这一章讲目录组织、配置文件和增强参数，这些都是训练前必须走完的路。

3.1 按YOLO习惯重排数据目录

YOLO系框架一般期望这样的目录结构：

datasets/ drone/ images/ train/ val/ labels/ train/ val/

images和labels一一对应，且训练集和验证集分开。拿到这份数据集时，所有jpg和标签通常堆在一个文件夹里，需要自己做划分。常见做法是随机抽80%做训练集，20%做验证集。注意划分时要保证同一个场景的连续帧不要被切开，否则验证集会因为和训练集高度相似而虚高。

我用一个Python脚本按文件名哈希划分：

import os, shutil, random, glob random.seed(42) image_files = glob.glob("*.jpg") random.shuffle(image_files) split = int(len(image_files) * 0.8) train_files = image_files[:split] val_files = image_files[split:] for subset, files in [("train", train_files), ("val", val_files)]: os.makedirs(f"images/{subset}", exist_ok=True) os.makedirs(f"labels/{subset}", exist_ok=True) for img_path in files: base = os.path.splitext(os.path.basename(img_path))[0] shutil.copy(img_path, f"images/{subset}/{base}.jpg") txt = f"{base}.txt" if os.path.exists(txt): shutil.copy(txt, f"labels/{subset}/{base}.txt")

这里random.seed(42)固定随机种子，保证每次划分结果一致，方便复现。copy而不是move，避免原数据被破坏。如果原始是xml标签，需要先统一转成txt再做划分，或者把xml单独放一个目录，训练时按xml路径去读。划分完再检查一遍一一对应：

for d in images/train labels/train; do echo "$d: $(ls $d | wc -l)"; done for d in images/val labels/val; do echo "$d: $(ls $d | wc -l)"; done

数量不一致就说明有图片没标签或有标签没图片。用这个命令分别检查train和val两边，确保数字对得上。注意有些图片文件名是drone_2_595.jpg，对应的txt可能叫drone_2_595.txt，如果你在重命名图片时改过文件名，一定要同步改标签名，很多工具只按基名匹配文件，不匹配就相当于没有标签。

3.2 配置文件与超参数选择

YOLO系框架通常需要一个data.yaml，内容和路径相关：

path: /your/absolute/path/datasets/drone train: images/train val: images/val nc: 1 names: ['drone']

path最好写绝对路径，因为框架会在不同工作目录下对相对路径经常找不到数据。nc是类别数量，这里是1。names里的顺序要和txt中class id对应。如果txt里class id是0，names第一个位置就是drone。如果names写成['Drone']且数据集标签里是'drone'，字符串匹配不上，大部分框架会直接忽略这个类别，导致训练样本为零。所以名称的大小写也要先确认。

超参数方面，对无人机这种目标，最值得调的是imgsz和batch。常见默认imgsz=640，但如果图片里无人机像素小，640的缩放会把很多目标缩到不足10像素，几乎无法检测。我一般会先用imgsz=1280跑一轮，观察小目标recall有没有明显提升。代价是显存占用变成原来的4倍，batch要相应减小。batch大小按显存来定，8到16都是常见区间。显存紧张时不要硬上大batch，用梯度累积也能等效。

epochs我习惯先跑50轮看loss曲线，确认拟合方向没问题再增加。如果50轮后val mAP还在上升，说明数据量足够，可以继续跑。

注意：数据集本身只有7000多张，单类单目标，属于中小规模数据。epochs设置太大容易过拟合，尤其训练集和验证集分布接近时，val指标会非常漂亮但实战表现一般。先跑50轮，观察收敛情况再决定。

训练命令以某个YOLO系实现为例：

python train.py --data drone.yaml --weights yolov5s.pt --img 1280 --batch 8 --epochs 50

--data指向data.yaml，--weights指向预训练权重，--img设置输入尺寸，--batch和--epochs按显存和时间定。训练开始时看终端日志，重点关注是否加载到了图片和标签数量：如果日志里显示"train: 5600 images, val: 1400 images"就说明数据路径正确；如果显示"0 images"，多半是images和labels的目录名没对应上，或者yaml里路径写错。

3.3 训练时的数据增强要不要开

数据增强是双刃剑。YOLO默认开启mosaic、hsv、flip等增强，对普通目标检测很有效，但空中无人机场景有些特殊。

先说mosaic。mosaic把4张图拼成一张，对于通常占画面比例很小的无人机，拼接后目标更小，而且4张图的边框约束会引入大量不完整的对象。如果你发现训练过程中小目标recall一直上不去，可以关掉mosaic或降低概率。常见做法是在最后20轮关闭mosaic，让模型在接近真实分布的数据上微调。

再说hsv。无人机在天空背景下的颜色相对单纯，过度改变色相会把无人机和天空的对比破坏掉。我一般把hsv_h、hsv_s、hsv_v的强度降到默认值的0.2倍左右，只做轻微扰动，避免模型学到错误颜色关联。

flip方面，水平翻转对无人机检测基本无害，但垂直翻转要慎重。因为无人机在空中姿态和相机视角有关，垂直翻转会让无人机出现"倒着飞"的样本，和真实场景分布不一致。如果只看mAP可能没感觉，但部署测试时会出现大量误检。

这些参数在YOLO的配置文件里都有对应项。以某个常见配置为例：

mosaic: 0.5 hsv_h: 0.005 hsv_s: 0.3 hsv_v: 0.3 fliplr: 0.5 flipud: 0.0

mosaic概率降到0.5，hsv强度降小，上下翻转直接关闭。具体数值不是死的，你去跑几次对比就能感受到，这是我拆数据训练后的真实调整方向。另外，如果原始图片里存在相机自动曝光导致的亮度突变，可以把曝光扰动打开，让模型对亮度变化更鲁棒。但注意不要改成对Gamma做极端变化，否则天空和无人机的边缘会被破坏。

4. 空中无人机检测避坑指南：小目标、反光、误检三条线

训练无人机检测和训练通用物体检测不太一样，很多在COCO上不明显的问题，在无人机上会放大。我整理了几条高频踩坑记录，按现象、原因、解决三步写。这些坑大多不是代码层面的bug，而是数据和场景导致的系统性问题，排查起来更隐蔽。

4.1 现象：模型把鸟、风筝、塑料袋识别成无人机

训练完跑测试，发现false positive特别多，鸟、风筝、甚至云朵边缘都被框成drone。原因有两层：一是数据集的负样本太缺。这份数据集全是包含无人机的正样本，没有专门收集不含无人机但长得像无人机的图片。模型没见过鸟，自然不知道鸟不是无人机。二是训练时默认的置信度阈值偏低，很多低置信度的误检也会被输出。

解决思路是补负样本，或者在训练时把背景图混入数据。常见做法是把没有目标的空图片也放进images目录，labels文件为空。模型训练时会学习到"这些区域不输出框"的约束。另一种更直接的方法是收集一批鸟、风筝的公开图片，标注成背景类别，或者单独用它们做难负例挖掘。如果你不想额外找数据，可以在训练中开启mosaic增强，让背景区域自然出现在拼接图中，对误检有一定缓解，但不能根治。更重要的是测试时调高置信度阈值，比如从0.25提到0.5，误检数量会明显下降，但小心同时召回也会下降。

4.2 现象：大图上的小无人机直接漏检

测试时有一张1920x1080的航拍图，无人机大概几十像素，模型完全没检测到。原因首先是输入分辨率不够。典型的检测网络下采样32倍，640x640输入对应特征图20x20，一个50像素的无人机在特征图上不到2个像素，特征被卷积直接抹掉。其次是训练样本里小尺寸框太少，模型对大目标有偏置。再次，标注框本身如果就有几个像素的偏移，缩小后误差会被放大成完全不对齐的anchor。

解决方法是分两步：第一步把imgsz提到1280，让50像素目标至少保留15个像素；第二步是开启多尺度训练，YOLO系框架可以在配置里设置尺度范围，比如0.5到1.5随机resize。同时检查数据里小框占比，如果多数框面积占比小于0.01，应该考虑用SAHI这类切图推理工具，把大图切成若干重叠小图分别检测再合并。虽然会增加推理时间，但对小目标检测的提升非常明显。切图时切块大小建议设为训练分辨率的一半，重叠率设20%到30%，太少会让目标被切断，太多会重复计算。如果用了切图还是完全没检测到，就要先怀疑标注框本身是否准确，拿一张图把真值框画出来看，有些框的中心坐标在螺旋桨中心，而视觉上更明显的是机身，模型学到的特征会摇摆不定。

4.3 现象：txt与xml数量对不上

用脚本统计发现txt比xml少了十几张，或者反过来。原因是数据集制作时可能先标了xml，然后单独转出txt，转换过程中漏掉部分文件，或者某些文件在拷贝时丢失。这是标注数据集的常见卫生问题。也可能是同一个文件名，txt是空的但xml有内容，说明转换脚本遇到没有目标的图片时生成了空txt，而空txt在某些框架里会被当作损坏标签跳过。

解决方法是写一个对齐脚本，以图片文件为基准，找出缺失对应的txt和xml。如果目标是YOLO训练，就只保留txt和jpg；如果要做Faster R-CNN，就改用xml。不要同时依赖两种格式，选一种标注作为truth，另一种只用于交叉验证。我曾经图省事，直接让训练脚本在txt不存在时退回去读xml，结果两种格式混着用，坐标基准不一致，训练出的模型框偏移严重。从那以后我都先统一格式再训练。对齐时还要注意txt的行分隔符，Windows下用\r\n，Linux下是\n，某些框架按\n分割时会把\r当成字符，导致坐标解析失败，报错信息又很隐晦。用sed批量替换掉\r再训练就行。

4.4 现象：训练集和验证集出现同源图片

验证mAP高达0.95，但放到新场景测试直接掉到0.6。原因很可能是划分数据集时没有按场景或时间序列分组，而是全量随机打散。无人机视频帧中，相邻几帧背景几乎相同，如果这几帧被分到train和val两边，验证集就成了"已经看过答案的考试"。数据集文件名叫drone_2_595、drone_2_942，说明很多图来自同一视频序列，数字跳跃越大越要小心。

解决方法是按文件名前缀或序号间隔划分。比如同一前缀家族为同一场景，把整个家族的图片分到同一集合里。最稳妥的方式是按时间连续段切分：取前80%时间段的图像做训练，后20%做验证，保证测试帧在时间上不重叠。如果无法知道时间，就按文件名哈希的前几位分组，至少比全随机好一点。具体做法是在随机shuffle前先对文件名做groupby，比如用文件名中第二个下划线之前的字符串作为场景id，然后把整个场景id放到训练集或验证集。这样划分后，验证集的mAP会比随机划分低几个点，这才是真实水平的反映。

4.5 现象：白天图多、黄昏图少导致的类别偏移

统计发现，大部分图片是白天晴空，夜间和黄昏的低光照图片很少。模型在白天上表现好，一到逆光、黄昏场景就漏检。原因是数据集本身存在光照场景不平衡，模型学到的颜色特征偏向白天无人机的深色轮廓。无人机在天空中的对比度在黄昏时大幅下降，边缘不明显，模型依赖的纹理特征失效。

解决方法是做光照增强或亮度扰动。YOLO的hsv增强能把白天图的亮度、饱和度做一定扰动，模拟黄昏效果。更彻底的是用Gamma校正或CLAHE对图像做预处理，统一亮度分布。如果数据里有少量夜间图，可以复制后做数据增强来扩充。但如果光照差异太大，靠增强硬凑效果有限，最好补充对应光照的真实数据。无人机检测本来就比普通物体更依赖轮廓，没有足够光照多样性，部署时早晚翻车。另外，如果预期场景有逆光，训练时可以用随机亮度扰动把部分图的整体亮度拉低，同时把对比度拉高，让模型不要太依赖全局亮度。

5. 用迁移学习调优：让无人机检测更快收敛

数据准备好，坑也排掉一轮之后，下一步是让模型真正学起来。无人机检测任务用迁移学习是常规操作，原因很直接：通用目标检测数据集里的边缘、纹理、颜色特征足够丰富，backbone训出来的低层特征直接可用，你真正要教给模型的是"无人机长什么样"这种高层语义。一份7000多张的数据集，从零开始训练检测头和回归头，效率低而且容易欠拟合。

5.1 预训练权重怎么选

选预训练权重主要看模型体量和数据规模。显存充足可以用中等体量的模型，比如m或l版本；显存有限就用n或s版本。预训练权重提供的backbone特征提取能力对天空背景、螺旋桨和机身的边缘响应已经很好，需要学习的主要是无人机类别专属的高层语义。我用这份数据集实测，加载预训练权重后前10轮loss就能明显下降，而从零开始训练到同样水平大概要多花两倍时间。

加载方式因框架而异，常见写法是指定weights参数：

python train.py --data drone.yaml --weights yolov5s.pt --img 1280 --batch 8 --epochs 50

yolov5s.pt是预训练权重文件，框架会自动加载并匹配backbone权重。如果使用自定义的预训练模型，要注意类别数是否一致，一般框架会忽略不匹配的输出层。看到权重加载日志中fc层或检测头不匹配是正常的，不必担心，只要梯度能顺利传回backbone就行。

注意：如果预训练权重是从某个不正规来源下载的，可能包含修改过的网络结构，加载时会报结构不匹配。最安全的是用框架官方提供的标准预训练文件，至少保证网络定义一致，避免把时间和精力浪费在排查结构问题上。

5.2 冻结训练与解冻策略

迁移学习另一个常用策略是冻结backbone，先只训练检测头。无人机检测中，图片的纹理、颜色和通用数据集差距不大，backbone的低层特征基本可复用，冻结能大大降低显存占用和训练时间。常见做法是冻结整个backbone，训练10到20轮后解冻全模型，用更低的学习率微调。

在PyTorch手动实现的话，大概是这样：

# 冻结backbone参数 for name, param in model.backbone.named_parameters(): param.requires_grad = False # 第一段训练：只更新head trainer.fit(model, train_loader, val_loader) # 解冻 for name, param in model.backbone.named_parameters(): param.requires_grad = True # 第二段训练：全局微调，学习率降低 trainer.fit(model, train_loader, val_loader)

先冻结训练让检测头快速适应drone类别，再解冻用低学习率微调全部参数。这样做的好处是避免backbone在初期被少量无人机样本带偏。实际训练时，第一段学习率可以用1e-4，解冻后降到1e-5。如果只用一个学习率从头训到尾，backbone的大梯度很容易破坏预训练特征，导致收敛慢且最终精度低。

训练哪个阶段需要验证？看loss曲线。如果冻结阶段val loss下降缓慢但train loss下降正常，说明检测头已经过拟合了几个epoch的数据，需要提高backbone的适配能力，提前解冻。如果解冻后val loss反而升高，说明学习率太大，把特征带偏了，把全局学习率再降一个数量级。这两个判断都是经验性的，不用卡死，跑两次就能找到感觉。

5.3 提高recall的小技巧：anchor与分辨率

无人机检测的痛点是小目标漏检，这一点可以从anchor和输入分辨率两方面入手。YOLO系默认anchor是基于通用数据集统计的先验框，比如十几像素的anchor很少，因为通用数据集里小物体占比不高。直接套用会导致小无人机的匹配率低，很多真值框没有anchor负责预测，模型训练时就认为这些目标不存在。

解决方法是自动计算anchor。在YOLO里有命令行参数或配置项，比如：

python train.py --data drone.yaml --weights yolov5s.pt --img 1280 --autoanchor --epochs 50

autoanchor会根据你的标注框尺寸重新聚类，生成适合drone数据集的先验框。训练日志里会显示聚类后的anchor尺寸，如果发现最小anchor仍然大于数据中最小的框，可以把输入分辨率再提高，或者手动在配置里增加更小的anchor尺寸。

另一个技巧是调整anchor匹配阈值。默认阈值可能设得较高，导致小框无法匹配到任何anchor。降低阈值可以增加匹配数量，但也会让正样本变模糊。我一般先把autoanchor跑出来，再去看训练集里每个真值框匹配到了几个anchor，如果大量真值框是0匹配，再决定改阈值。这个检查可以用框架自带的诊断工具，也可以自己写一个前向传播统计样本分配，前者方便，后者能看得更细。

分辨率对recall的影响同样直接。同样的训练次数，imgsz=640下小目标recall可能只有60%，imgsz=1280能到80%。但1280的显存开销是4倍，训练时间也接近4倍。如果你的任务强调recall，那这个代价值得；如果更看推理速度，可以训练时用1280，推理时用640或动态尺寸，效果通常比直接用640训练更好。这也是很多落地项目的常规操作，既拿到小目标精度，又保住跑的实时性。

6. 验证检测效果而不是只看loss：mAP、PR曲线与可视化

训练结束先别急着高兴，loss降下来只代表拟合过程顺利，不代表检测能力达标。无人机检测的衡量要看验证集上的precision、recall、mAP，以及更直观的预测图。这一章讲我用得最顺的验证三步，每一步都能帮你定位下一步调参方向。

6.1 用Val模式跑一次完整评估

训练结束后，用验证集跑一次评估：

python val.py --data drone.yaml --weights best.pt --img 1280

val.py会加载验证集并输出整体指标。对单类数据集，AP就是该类别的AP。重点看recall，因为无人机检测漏检比误检更致命。mAP@0.5:0.95更严格，如果这个值低，说明框的定位精度不够，模型可能只框到机身的一部分，或者把螺旋桨和机身分别框了出来。

6.2 可视化预测结果来定位系统性错误

指标只是数字，真正有用的是把预测框画到图上。可以写个脚本保存一批预测结果：

results = model(img) for box in results.boxes: x1, y1, x2, y2 = box.xyxy[0].tolist() conf = box.conf.item() cv2.rectangle(img, (int(x1), int(y1)), (int(x2), int(y2)), (0,255,0), 2) cv2.putText(img, f"drone {conf:.2f}", (int(x1), int(y1)-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 1)

把预测图画到图上，翻一遍你会发现：漏检的通常是小目标，误检的通常出现在有重复纹理的建筑物或树影。这时候再回头调anchor、输入分辨率和负样本，比盲目改模型结构有用得多。