VisDrone2019 数据集介绍、下载及YOLO/VOC/COCO训练格式转换

qq_42591591

654人浏览 · 2026-07-24 08:25:39

qq_42591591 · 2026-07-24 08:25:39 发布

VisDrone2019 完整数据集下载目录

同时包含三种主流标注格式：COCO JSON、VOC XML、YOLO TXT

在这里插入图片描述

文章目录

一、基本背景
二、数据集规模
- 2.1. 数据采集规模
- 2.2 采集场景多样性
三、标注类别
四、标注格式转换
- 4.1 原始标签
- 4.2 转换后的标签
五、训练样例

一、基本背景

VisDrone2019 是天津大学AISKYEYE实验室在ICCV2019发布的大规模无人机航拍视觉基准数据集，是无人机目标检测、跟踪、人群计数领域最主流的公开评测数据集，专门解决高空俯视视角下小目标、密集遮挡、尺度剧变等航拍特有难题，官方地址：https://github.com/VisDrone/VisDrone-Dataset。

在这里插入图片描述

二、数据集规模

2.1. 数据采集规模

静态图像任务DET（最常用，图像目标检测）
总计 10209张 航拍RGB图，分辨率 1360×765 ~ 2000×1500：
- Train：6471 张
- Val：548 张
- Test-dev（带标注，本地测试）：1610 张
- Test-challenge（无标注，官方竞赛提交）：1580 张
视频任务VID/MOT/SOT
288段视频、261908帧，最高4K（3840×2160），支持视频检测、单/多目标跟踪；
全局标注总量：超 260万 人工标注边界框，附带遮挡、截断精细属性标注。

2.2 采集场景多样性

地域：中国14座城市，城乡、高速、商圈、广场、景区、城中村全覆盖；
环境：白天、黄昏、夜晚、阴天、轻度雾天；
拍摄条件：多款无人机、不同飞行高度、倾斜俯视角度、动态飞行带来运动模糊；
目标密度：稀疏车流、密集人流、停车场海量小车等极端场景并存。

三、标注类别

ID	类别名称	说明	训练是否使用
0	ignored regions	不可标注密集小目标区域（忽略区）	过滤丢弃
1	pedestrian	站立/行走行人	有效类别
2	people	骑行、蹲坐、人群中人	有效类别
3	bicycle	自行车	有效类别
4	car	小轿车	有效类别（样本最多）
5	van	面包车	有效类别
6	truck	货车、卡车	有效类别
7	tricycle	普通三轮车	有效类别
8	awning-tricycle	带篷三轮车	有效类别（样本极少，长尾）
9	bus	大巴公交车	有效类别
10	motor	摩托车、电动车	有效类别
11	others	无关杂类、稀有机械车辆	过滤丢弃

实际训练一般只用 1~10共10类；数据集存在严重类别长尾：car数量是awning-tricycle的40倍以上。

name:
  0: pedestrian       # 站立/行走行人
  1: people           # 骑行、蹲坐、人群中人
  2: bicycle          # 自行车
  3: car              # 小轿车
  4: van              # 面包车
  5: truck            # 货车、卡车
  6: tricycle         # 普通三轮车
  7: awning-tricycle  # 带篷三轮车
  8: bus              # 大巴公交车
  9: motor            # 摩托车、电动车

四、标注格式转换

4.1 原始标签

每张图对应同名.txt，每行一条目标，逗号分隔8个字段：

x1,y1,w,h,score,category,truncation,occlusion

字段释义：

x1,y1：框左上角像素坐标
w,h：框宽、高（像素）
score：0=忽略该框；1=有效目标
category：0~11类别ID
truncation 截断程度：0无截断 / 1轻微截断 / 2严重截断
occlusion 遮挡程度：0无遮挡 / 1部分遮挡(≤50%) / 2重度遮挡(>50%)

格式转换说明：

原生格式不是YOLO Darknet格式，训练前必须转换：

过滤 category=0/11、score=0 的无效框；
把像素xywh转为归一化中心坐标：cls cx cy w h；
也可转VOC XML、COCO JSON格式用于MMDetection、Detectron2。

4.2 转换后的标签

转换后的完整数据集文件夹内容（包含COCO JSON、VOC XML、YOLO TXT三种主流标签）：

📁 VisDrone2019
├─ 📁 VisDrone2019-DET-test-challenge
│  ├─ 📁 images
│  │  ├─ 🖼️ *.jpg
│  │  └─ ...
│  ├─ 📁 annotations-r
│  │  ├─ 📃 *.txt
│  │  └─ ...
│  ├─ 📂 COCO
│  │  └─ 📁 annotations
│  │     └─ 📄 instances_test.json
│  ├─ 📂 VOC
│  │  └─ 📁 Annotations
│  │     ├─ 📜 *.xml
│  │     └─ ...
│  └─ 📂 YOLO
│     ├─ 📃 *.txt
│     └─ ...
├─ 📁 VisDrone2019-DET-test-dev
│  └─ 📁 images
│     ├─ 🖼️ *.jpg
│     └─ ...
├─ 📁 VisDrone2019-DET-train
│  ├─ 📁 images
│  │  ├─ 🖼️ *.jpg
│  │  └─ ...
│  ├─ 📁 annotations-r
│  │  ├─ 📃 *.txt
│  │  └─ ...
│  ├─ 📂 COCO
│  │  └─ 📁 annotations
│  │     └─ 📄 instances_train.json
│  ├─ 📂 VOC
│  │  └─ 📁 Annotations
│  │     ├─ 📜 *.xml
│  │     └─ ...
│  └─ 📂 YOLO
│     ├─ 📃 *.txt
│     └─ ...
└─ 📁 VisDrone2019-DET-val
   ├─ 📁 images
   │  ├─ 🖼️ *.jpg
   │  └─ ...
   ├─ 📁 annotations-r
   │  ├─ 📃 *.txt
   │  └─ ...
   ├─ 📂 COCO
   │  └─ 📁 annotations
   │     └─ 📄 instances_val.json
   ├─ 📂 VOC
   │  └─ 📁 Annotations
   │     ├─ 📜 *.xml
   │     └─ ...
   └─ 📂 YOLO
      ├─ 📃 *.txt
      └─ ...

各个文件夹含义：

📁 VisDrone2019
├─ 📁 VisDrone2019-DET-test-challenge  # 测试集（无公开标注，竞赛提交专用）
│  ├─ 📁 images           # 航拍原始图片 *.jpg
│  ├─ 📁 annotations-r     # VisDrone官方原生txt标注（原始格式）
│  ├─ 📂 COCO
│  │  └─ 📁 annotations
│  │     └─ 📄 instances_test.json  # 转换完成的COCO json格式标注（仅单个文件）
│  ├─ 📂 VOC
│  │  └─ 📁 Annotations   # Pascal VOC *.xml 标注文件
│  └─ 📂 YOLO             # YOLO系列训练用归一化txt标签
│
├─ 📁 VisDrone2019-DET-test-dev  # 开发测试集（仅图片，用于本地验证，无官方原始标注）
│  └─ 📁 images           # 航拍原始图片 *.jpg
│
├─ 📁 VisDrone2019-DET-train  # 训练集
│  ├─ 📁 images           # 航拍原始图片 *.jpg
│  ├─ 📁 annotations-r     # VisDrone官方原生txt标注（原始格式）
│  ├─ 📂 COCO
│  │  └─ 📁 annotations
│  │     └─ 📄 instances_train.json # COCO格式训练标注
│  ├─ 📂 VOC
│  │  └─ 📁 Annotations   # Pascal VOC *.xml 标注
│  └─ 📂 YOLO             # YOLO归一化txt标签
│
└─ 📁 VisDrone2019-DET-val    # 验证集
   ├─ 📁 images           # 航拍原始图片 *.jpg
   ├─ 📁 annotations-r     # VisDrone官方原生txt标注（原始格式）
   ├─ 📂 COCO
   │  └─ 📁 annotations
   │     └─ 📄 instances_val.json # COCO格式验证标注
   ├─ 📂 VOC
   │  └─ 📁 Annotations   # Pascal VOC *.xml 标注
   └─ 📂 YOLO             # YOLO归一化txt标签