目标检测数据集：直升机（1）

1、YOLOv5训练好的飞机检测模型，包含训练好的飞机识别权重。并包含标注好的数据集，标签格式为xml和txt两种，类别名为aeroplane，配置好环境后可以直接使用 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的

手动寻找的1500张左右的小型飞机数据集，包含了客机，战斗机，直升机等等常见的飞机类别。

pleiades数据，各类美军军用飞机，可用于飞机目标检测。

yolo系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值

yolo系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值

数据集介绍：高空军事目标检测数据集 一、基础信息 数据集名称：高空军事目标检测数据集 图片规模： - 训练集：3,928张无人机航拍图像 - 验证集：1,291张高空视角图像 目标类别： 1. 机场：包含跑道、航站楼等基础设施 2. 直升机：旋翼类航空器目标 3. 油罐：圆柱形储油设施 4. 飞机：固定翼航空器目标 5. 军舰：海上作战舰艇 技术规格： - 标注格式：YOLO格式坐标标注 - 数据来源：无人机及高空平台采集的真实场景数据 二、适用场景 军事侦察系统开发： 支持构建自动识别军事设施的AI模型，适用于边境巡逻、海域监控等国防安全应用 交通枢纽智能监控： 适用于机场跑道飞机调度监控、港口舰船动态追踪等智慧交通场景 能源设施安全管理： 油罐识别功能可应用于油气储运基地的安防巡检和异常检测 计算机视觉研究： 为航空影像处理、小目标检测等前沿领域提供高质量研究数据 国防教育应用： 可作为军事院校教学资源，用于目标识别算法的实践教学 三、核心优势 战略目标全覆盖： 包含海陆空三领域关键军事目标，涵盖5类高价值战略设施检测需求 真实作战场景数据： 全部采用实战化场景采集数据，包含复杂背景干扰和不同光照条件 密集目标标注能力： 单图支持多目标检测（如军舰甲板多直升机同时标注），最大单图标注实例数达12个 多尺度目标适配： 同时包含大型目标（机场跑道）和小型目标（舰载直升机），支持模型多尺度检测能力训练 任务扩展性强： YOLO格式标注可直接应用于主流检测框架，支持向实例分割、目标跟踪等任务扩展

数据集包含飞机100分类数据集，不需要处理可直接用作深度学习训练数据。 数据集包含以下100个类别：波音737-76J、波音737-700等等 ***这里仅包含测试集的3333张图像（880MB） 解压后的图像目录 data-test 测试集-每个子文件夹放同类别的图像，文件夹名为分类类别 除此之外，提供了classes的json字典类别文件，以及可视化的代码