YOLOv11海上军事舰艇目标检测数据集
这里记录一份2704 张图，6 个类别（航空母舰、两栖作战舰、护卫舰 等）的检测数据。训练、验证、测试三份已经分好（训练集 2394 张，验证集 200 张，测试集 110 张）。标签采用 YOLO 格式，跟着 data.yaml 走即可，不需要额外转换。下面几节把规模、配置、标注样例依次列清楚，开训前照着逐项核对一遍，能省掉不少排查时间。
一、规模与类别速览
- 目标类别： [‘Aircraft Carrier’, ‘Amphibious Warfare Ship’, ‘Corvette’, ‘Destroyer’, ‘Frigate’, ‘Gunboat’]
- 中文类别：[‘航空母舰’, ‘两栖作战舰’, ‘护卫舰’, ‘驱逐舰’, ‘护卫舰’, ‘炮舰’]
- 训练集：2394 张
- 验证集：200 张
- 测试集：110 张
- 总计：2704 张
二、data.yaml 长什么样
该数据集提供了data.yaml文件，内容如下：
train:../train/imagesval:../valid/imagestest:../test/imagesnc:6names:['Aircraft Carrier','Amphibious Warfare Ship','Corvette','Destroyer','Frigate','Gunboat']三、标注可视化
数据包入口
- 整包内容：图片 + YOLO 标签 + data.yaml，解压即可训练
- 下载地址：数据压缩包传送门
四、这批数据是怎么来的
YOLOv11海上军事舰艇目标检测数据集
整套数据的主线是海上军事舰艇的目标检测任务，涵盖了航空母舰、两栖作战舰、护卫舰、驱逐舰及炮舰等多种核心检测目标。通过高精度标注和多样化场景覆盖，为舰艇识别与分类提供了高质量的数据支持，具有重要的军事应用价值。
训练集包含2394张图像，验证集200张，测试集110张，总计2704张。数据分布合理，各类舰艇样本数量均衡，确保了模型在不同舰艇类型上的泛化能力。同时，场景涵盖开阔海域、港口停泊及城市沿岸等多种环境，全面模拟实际作战与监控需求。
标注工作严谨规范，每艘舰艇均采用精确的边界框标注，并辅以清晰的文字标签，有效避免了误标或漏标现象。标注人员严格遵循统一标准，保证了数据的一致性和可靠性，为后续模型训练奠定了坚实基础。
实际能用上的场景包括海军装备管理、海上安全监控及军事态势感知等领域。其精准的舰艇识别能力有助于提升海上巡逻效率、优化作战指挥决策，并为智能舰艇识别系统开发提供可靠的数据支撑，具有显著的行业应用前景。
数据使用备忘
- 底账：2704 张图，6 个类别（航空母舰、两栖作战舰、护卫舰）
- 划分：训练集 2394 张，验证集 200 张，测试集 110 张
- 标签：YOLO 格式，data.yaml 里三个路径都是相对路径，解压后不用改
上手按三步走：
- 解压后先对一遍图片数和标签数，两边对不上要先查缺漏；
- 起步用小模型小图跑通全流程：
yolo detect train data=../data.yaml model=yolo11n.pt imgsz=416 epochs=80； - 看 mAP50 与 mAP50-95 的差距：差距大通常是小目标漏检或框不准，先补数据或提 imgsz，而不是急着换大模型。
数据量、场景复杂度、标注质量三样都过关，这份数据可以直接开训；有一样短板，先补齐再谈选型。数据包入口见「数据包入口」小节。
