一、数据集介绍
【数据集】航拍船只识别数据集 2096 张,目标检测,包含 YOLO/VOC 格式标注。
数据集中包含 1 种分类:{'0'},代表水面船只。
数据集来自无人机航拍视频抽帧;可用于无人机船只检测等。
检测场景为河道、海洋、港湾航拍船只检测,可用于智慧海洋管理、智慧捕捞等,服务于海洋监测、渔业管理、海上救援等。


1、数据概述
航拍船舶识别的重要性
航拍船只识别在海洋监测、渔业管理、海上救援以及海上安全等领域具有重要意义。通过航拍图像进行船只识别,可以实现对海域内船只活动的实时监控,为相关部门提供准确、及时的信息支持。然而,航拍船只识别也面临诸多挑战。首先,航拍图像中的船只往往呈现出不同的形状、大小和角度,增加了识别的难度。其次,航拍图像的背景复杂多变,如海面反光、云层遮挡等,都会对船只识别造成干扰。此外,航拍图像的分辨率和质量也会影响船只识别的准确性。
基于 YOLO 的航拍船舶识别算法
近年来,基于 YOLO 的航拍船只识别算法已经得到了广泛的研究和应用。一些研究者针对航拍图像的特点,对 YOLO 算法进行了改进和优化,如引入注意力机制、改进特征提取网络等,以提高船只识别的精度和鲁棒性。
同时,一些研究者还利用航拍图像数据集对 YOLO 算法进行了训练和测试,验证了其在航拍船只识别方面的有效性。
此外,基于 YOLO 的航拍船只识别算法已经被应用于多个领域,如海洋监测、渔业管理、海上救援等,为相关部门提供了重要的技术支持。
该数据集含有 2096 张图片,包含Pascal VOC XML格式和YOLO TXT格式,用于训练和测试河道、海洋、港湾等水域的航拍船只检测情况。
图片格式为 jpg 格式,标注格式分别为:
YOLO:txt VOC:xml
数据集均为手工标注,保证标注精确度。
2、数据集文件结构
ships-aerial/
——test/
————Annotations/
————images/
————labels/
——train/
————Annotations/
————images/
————labels/
——valid/
————Annotations/
————images/
————labels/
——data.yaml
- 该数据集已划分训练集样本,分别是:test目录(测试集)、train目录(训练集)、valid目录(验证集);
- Annotations 文件夹为 Pascal VOC 格式的;


















