前言

无人机目标检测在智慧城市、交通监控、灾害救援等领域有着广阔的应用前景。然而，无人机拍摄的图像通常具有尺度变化剧烈（目标可能只占几十个像素）、背景复杂、目标密集且视角特殊（俯视）等特点，这给传统目标检测算法带来了不小的挑战。

VisDrone2019数据集是由天津大学AISKYEYE团队发布的大规模无人机视觉基准数据集，包含10,209张静态图像和288个视频片段，覆盖中国14个不同城市的多样场景。数据集共标注了超过260万个目标框，涵盖行人、汽车、自行车、公交车等10个常见类别。其核心挑战在于无人机高空俯拍导致的目标尺度极小、密集分布以及复杂背景干扰，这使得VisDrone2019成为评估小目标检测和密集场景跟踪能力的权威基准。

本文使用了由 Ultralytics 开发的 YOLO 开源项目带你动手实践：如何使用最新的YOLO26模型在VisDrone2019数据集上进行训练、评估与推理。

相关资源链接
yolo26(ultralytics)官方仓库：https://github.com/ultralytics/ultralytics

yolo26官方文档：https://docs.ultralytics.com/zh/models/yolo26/#overview

VisDrone2019-YOLO格式数据集地址：https://aistudio.baidu.com/datasetdetail/295374

VisDrone2019原始数据：https://aistudio.baidu.com/datasetdetail/115729

pytorch官网：https://pytorch.org/get-started/locally/

1. 基础pytorch环境配置

运行环境：Python=3.8，torch2.4.1+cu121

以下使用Anaconda创建环境，如果没有下载配置过Anaconda，可以去B站或者浏览器搜索Anaconda安装教程。以下不过多赘述。

打开电脑终端

Windows：按下 Win+R，输入 cmd 回车，即可打开命令行终端。

macOS：使用快捷键 Command+空格 打开聚焦搜索，输入 Terminal 回车，即可打开终端。

1.1利用Anaconda创建环境yolo环境

conda create -n yolo python==3.8 -y

1.2激活yolo环境

conda activate yolo

1.3安装 PyTorch

打开pytorch官网：https://pytorch.org/get-started/locally/

会看到以下的页面，根据自己CUDA的版本，选择对应的指令。

页面提示：最新稳定版 PyTorch (2.11.0) 要求 Python 3.10 及以上版本，而你创建的是 python=3.8 的 YOLO 环境，因此不能直接使用最新版命令，需要安装兼容 Python 3.8 的旧版本 PyTorch。

点击页面中的「install previous versions of PyTorch」，即可进入旧版本安装页面，选择适配 Python 3.8 的版本。

这里我根据自己电脑的CUDA版本选择

pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 数据集准备

2.1下载VisDrone数据集

VisDrone2019-YOLO格式数据集地址：https://aistudio.baidu.com/datasetdetail/295374

• 打开上述链接，进入百度 AI Studio 数据集页面

• 在「文件列表」中找到 visdrone2019.zip（大小约 1.86GB）

• 点击右侧「下载」按钮，即可将数据集压缩包下载到本地电脑

2.2解析数据集内部结构

将数据集压缩之后可以看到如下结构的目录

• 文件夹名称	数据集划分	数据规模	用途
  VisDrone2019-DET-train	训练集	6471 张图像	模型训练
  VisDrone2019-DET-val	验证集	548 张图像	训练过程中模型评估、超参数调优
  VisDrone2019-DET-test-dev	测试集	1610 张图像	模型最终性能测试、结果提交

  以 VisDrone2019-DET-train为例，YOLO 格式数据集的标准内部结构如下：
• VisDrone2019原始标注文件中的每个数值依次代表目标框左上角横坐标、左上角纵坐标、目标框宽度、目标框高度、标注置信度、目标类别编号、目标截断程度、目标遮挡程度。YOLO格式标注文件里的数值依次为目标类别编号、目标框中心点横坐标、中心点纵坐标、目标框宽度、目标框高度，只保留训练所需的坐标与类别信息，不包含截断和遮挡相关属性。

• VisDrone2019-DET-train/
  ├── annotations/  # 原始标注文件（可选，用于格式回溯）
  ├── images/       # 训练集图像（.jpg 格式，与标注一一对应）
  ├── labels/       # YOLO 格式标注文件（.txt 格式，直接用于训练）
  └── labels.cache  # YOLO 自动生成的缓存文件，加速训练数据加载

3. 官网下载ultralytics源码

访问yolo26(ultralytics)官方仓库：https://github.com/ultralytics/ultralytics

点击Download Zip下载源码，并解压到电脑的合适位置

4. 训练模型

用pycharm打开之前配置所下载的ultralytics项目，配置好之前配置好的yolo环境，具体配置位置如下：

4.1下载yolo26s官方权重

访问 yolo26官方文档：https://docs.ultralytics.com/zh/models/yolo26/#overview，下载yolo26s权重，复制到ultralytics项目根目录下面。

4.2修改数据集配置文件

4.3编写训练脚本

在完成环境搭建、数据集准备与源码下载后，我们编写 YOLO26 训练脚本实现模型训练、验证与导出全流程：首先从 ultralytics 库导入 YOLO 类，在主入口防护下加载 yolo26s.pt 预训练权重，随后通过 model.train 方法配置训练参数，指定 VisDrone.yaml 数据集路径、640×640 输入尺寸、16 批次大小、4 个数据加载线程与 100 训练轮数，训练完成后调用 model.val 在验证集评估 mAP、精确率等核心指标，最后通过 model.export 将模型导出为 opset13、简化后的 ONNX 格式，方便后续部署，脚本可根据硬件性能灵活调整批次、输入尺寸等参数，适配不同算力的训练需求。

from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO("yolo26s.pt")
    model.train(data="datasets/VisDrone.yaml", imgsz=640, batch=16, workers=4, device=0, epochs=200)
    metrics = model.val()
    path = model.export(format="onnx", opset=13, simplify=True)

5. 模型训练结果可视化展示

模型训练完成后，Ultralytics 会自动生成完整的训练结果可视化图表，从损失曲线、精度指标、类别分布、目标分布到 PR 曲线多维度评估模型性能，直观呈现训练效果与模型优劣，为后续优化提供依据。

5.1损失与精度曲线

• 训练损失曲线（train/box_loss、train/cls_loss、train/dfl_loss）：三条训练损失随训练轮数持续下降并逐渐收敛，说明模型在训练集上持续学习、拟合效果良好，无明显震荡或发散问题。
• 验证损失曲线（val/box_loss、val/cls_loss、val/dfl_loss）：验证损失同步下降并稳定收敛，未出现明显上升，证明模型泛化能力良好，无严重过拟合。
• 精度指标曲线（metrics/precision (B)、metrics/recall (B)、metrics/mAP50 (B)、metrics/mAP50-95 (B)）：精确率、召回率、mAP@0.5、mAP@0.5:0.95 随训练轮数稳步提升并最终趋于稳定，其中 mAP@0.5 达到 0.410，验证了模型在 VisDrone 航拍数据集上的检测精度，mAP@0.5:0.95 的提升则体现了模型在不同 IoU 阈值下的综合检测能力。

5.2类别实例分布柱状图

该图表统计了 VisDrone 数据集中 10 类目标的实例数量，其中 car 类别实例数最高（144866），pedestrian 次之（79335），而 awning-tricycle、tricycle 等类别实例数较少，呈现明显的类别不平衡。这一分布直接解释了不同类别检测精度的差异：实例数充足的 car、motor 等类别 mAP 更高，而小样本类别检测精度偏低，为后续数据增强、类别平衡优化提供了明确方向。

5.3 精确率 - 召回率（PR）曲线

PR 曲线是目标检测模型的核心评估工具，曲线下面积（AUC）越大，代表模型检测性能越好。图中展示了 10 个类别各自的 PR 曲线与全类别平均 PR 曲线：car 类别 PR 曲线最靠近右上角，AUC 最高（0.808），检测性能最优；bicycle、awning-tricycle 等类别因样本量少、目标尺寸小，PR 曲线偏低，检测性能较弱；全类别平均 mAP@0.5 为 0.410，综合反映了模型在航拍多类别、小目标场景下的整体检测能力。