可见光与红外无人机检测双模态数据集 非配对。一一对齐看另外一个数据
数据集概述
可见光（RGB）与红外（IR）无人机检测双模态数据集，，通过对视频序列进行 20 帧抽帧处理构建，包含可见光与红外两套完全对应的图像数据，适用于跨模态无人机目标检测、可见光/红外融合检测、全天候无人机监测等视觉任务，可直接用于 YOLO 系列目标检测模型训练与对比实验。
两套数据集规模完全一致 非对齐，均已完成人工整理与 YOLO 格式转换，配套训练指标参考，开箱即用。
![]()
核心参数
| 项目 | 详情 |
|---|---|
| 数据集名称 | 可见光与红外无人机检测双模态数据集 |
| 数据来源 | 开源数据集 anti-UAV300（视频 20 帧抽帧） |
| 数据模态 | 可见光（RGB）+ 红外（IR），两套完全对应 |
| 数据规模 | 单模态 9516 张（训练 5104 / 验证 2209 / 测试 2203） |
| 标注格式 | YOLO 格式 |
| 类别数 | 1 类（无人机） |
| 核心用途 | 可见光/红外双模态检测、无人机检测、全天候监测 |
数据划分
可见光与红外两套数据集划分完全一致：
| 数据集 | 训练集 | 验证集 | 测试集 | 合计 |
|---|---|---|---|---|
| 可见光（RGB） | 5104 | 2209 | 2203 | 9516 |
| 红外（IR） | 5104 | 2209 | 2203 | 9516 |
可见光与红外图像非一一对应，即同一场景下的 RGB 与 IR 图像成对存在，便于做跨模态对比实验与融合检测研究。
标注类别说明
共 1 类，两套数据集共用同一类别：
| 序号 | 类别名称 | 说明 |
|---|---|---|
| 0 | 无人机（drone / UAV） | 可见光或红外视角下的无人机目标 |
训练指标参考
两套数据集分别训练，性能对比如下：
| 模态 | mAP50-95 |
|---|---|
| 可见光（RGB） | 0.713 |
| 红外（IR） | 0.657 |
可见光 mAP50-95 高于红外，说明可见光模态在检测精度上表现更优；红外模态在夜间、低照度场景下具有独特优势，两者互补可实现全天候检测。
格式支持
默认YOLO格式数据集
适用场景
- 可见光 / 红外双模态无人机目标检测
- 跨模态检测算法对比研究
- 全天候无人机监测与预警
- 多模态融合检测模型训练
训练配置示例（YOLO 格式）
数据集配置（YAML）
可见光数据集：
yaml path: ./anti_uav_rgb_detect train: images/train val: images/val test: images/test names:0: drone红外数据集：
y
aml path: ./anti_uav_ir_detect train: images/train val: images/val test: images/test names:0: drone训练代码
python from ultralyticsimportYOLO 训练可见光模型 model_rgb=YOLO("yolo11s.yaml")model_rgb.train(data="anti_uav_rgb_detect.yaml",epochs=200,imgsz=640,batch=16,device=0)训练红外模型 model_ir=YOLO("yolo11s.yaml")model_ir.train(data="anti_uav_ir_detect.yaml",epochs=200,imgsz=640,batch=16,device=0)话题关键词
#无人机检测 #可见光 #红外 #双模态 #anti-UAV300 #跨模态 #YOLO数据集
