简介本资源面向红外场景下的目标检测学习者与开发者提供一套可直接复用的YOLOv5红外微小无人机、直升机、飞机、飞鸟检测方案适合课程设计、科研实验与算法对比等场景。压缩包共约2000个文件以1994个XML标注文件为主另含3个Python脚本与3份PDF教程整体约587MB标注已整理为YOLO格式的txt标签并划分好train、val、test附有data.yaml类别为Airplane、Bird、Drone、Helicopter四类YOLOv5、YOLOv7、YOLOv8等算法均可直接训练。配套PyQt界面支持检测图片、视频及调用摄像头并提供相应选择项便于快速验证模型效果。已有548人学习下载读者可据此获得训练好的权重、4000余张红外数据集、环境配置与PyQt使用说明以及可运行的检测脚本省去数据整理与界面搭建成本。1. 红外小目标检测为什么 4000 张数据集比模型结构更值得先看可见光下巴掌大的无人机在 300 米外只剩几个像素换成红外成像它反而因为发动机热辐射变成一块亮斑——这就是很多人转做红外微小目标检测的直接原因。但真正上手后你会发现卡住进度的往往不是 YOLOv5 的网络结构而是手头那 4000 张红外数据集怎么标、怎么分、怎么增强以及权重加载后 PyQt 界面里为什么框飘。这个方案要解决的是在红外场景下把无人机、直升机、飞机、飞鸟四类目标稳定检出并封装成一个能点按钮就出结果的桌面工具。适合已经跑通过 YOLOv5 官方 Demo、想往红外小目标方向落地或者手里有一批红外视频但不知道怎么变成可训练数据集的从业者。下面按数据、训练、推理、界面、排错五段推进每一步都给出可复现的命令和参数。2. 红外 4000 张数据集从原始帧到 YOLO 标签的完整处理链2.1 四类目标的标注边界怎么定才不打架红外图像里飞鸟和无人机的形态在低分辨率下高度相似都是几个到十几个像素的亮斑。如果标注时凭感觉画框训练出来的模型会把两类互相误检。我一般按三条硬规则定边界第一看运动轨迹飞鸟扑翼频率高、轨迹上下起伏无人机多为平稳直线或悬停第二看热辐射分布固定翼飞机和直升机在红外里通常有机身热区拖尾飞鸟热区集中在躯干且面积更小第三看帧间一致性连续 5 帧以上保持同一运动模式的才归入对应类别。标注工具用 LabelImg 或 CVAT 都行导出 YOLO 格式每张图对应一个同名 txt每行class x_center y_center width height坐标归一化到 0 到 1。提示四类目标的 class id 建议固定为 0 无人机、1 直升机、2 飞机、3 飞鸟后续训练、推理、界面显示全部沿用这一套中途改 id 是血泪教训。2.2 4000 张怎么切分与增强才不泄漏4000 张如果随机切分同一段视频的相邻帧会同时进训练集和验证集验证指标虚高。正确做法是按视频源切分假设数据来自 20 段红外视频取 14 段做训练、3 段做验证、3 段做测试保证同一目标不同帧不跨集。增强方面红外图像不适合做色彩抖动但适合做亮度扰动、高斯噪声、随机缩放和平移。下面是一个可抄的切分与增强脚本片段。import os, random, shutil from pathlib import Path # 按视频源前缀分组避免同一段视频的帧跨集泄漏 def split_by_source(img_dir, out_dir, ratios(0.7, 0.15, 0.15)): imgs sorted(Path(img_dir).glob(*.jpg)) groups {} for p in imgs: # 文件名前缀视为视频源例如 vid03_frame0122.jpg - vid03 src p.stem.split(_)[0] groups.setdefault(src, []).append(p) sources list(groups.keys()) random.seed(42) random.shuffle(sources) n len(sources) n_train int(n * ratios[0]) n_val int(n * ratios[1]) splits { train: sources[:n_train], val: sources[n_train:n_train n_val], test: sources[n_train n_val:], } for split, srcs in splits.items(): for s in srcs: for p in groups[s]: dst Path(out_dir) / split / images dst.mkdir(parentsTrue, exist_okTrue) shutil.copy(p, dst / p.name) # 同步复制同名标签 lbl p.with_suffix(.txt) if lbl.exists(): ldst Path(out_dir) / split / labels ldst.mkdir(parentsTrue, exist_okTrue) shutil.copy(lbl, ldst / lbl.name) split_by_source(raw_images, dataset, ratios(0.7, 0.15, 0.15))这段脚本的核心逻辑是split_by_source按文件名前缀分组random.seed(42)保证可复现ratios控制训练验证测试比例。参数上如果视频源少于 10 段建议改成 0.8/0.1/0.1避免验证集太小导致指标抖动。复制时同步搬运同名 txt漏掉标签是新手最常见的翻车点。2.3 生成 data.yaml 与目录结构自检YOLOv5 训练前必须有一份 data.yaml 指向训练、验证、测试路径和类别名。目录结构建议统一为dataset/images/train、dataset/labels/train这种并列形式。下面是对应的 yaml 和自检命令。# data_ir.yaml path: ./dataset train: images/train val: images/val test: images/test nc: 4 names: [uav, helicopter, airplane, bird]# 自检统计每个 split 的图片数和标签数是否一致 for s in train val test; do echo $s images: $(ls dataset/images/$s | wc -l) echo $s labels: $(ls dataset/labels/$s | wc -l) donenc必须等于 names 长度写错会直接报维度不匹配。自检命令输出两个数字不一致时说明有图片没标签或有标签没图片训练时会被静默跳过指标自然上不去。3. 用 YOLOv5 在红外数据上训练参数怎么设、权重怎么选3.1 从官方权重微调还是从头训红外图像和可见光图像分布差异大但底层边缘、纹理特征仍有可迁移性。我一般用 YOLOv5s 或 YOLOv5m 的官方权重做初始化冻结前几层先跑 10 个 epoch再解冻全量训练。4000 张的规模从头训容易过拟合微调收敛更快。命令如下。python train.py \ --img 640 \ --batch 16 \ --epochs 150 \ --data data_ir.yaml \ --weights yolov5s.pt \ --cfg models/yolov5s.yaml \ --hyp data/hyps/hyp.scratch-low.yaml \ --freeze 10 \ --project runs_ir \ --name exp01--img 640是输入尺寸红外小目标如果原图分辨率高可以试 960 但显存翻倍。--batch 16在 8G 显存上比较稳爆显存就降到 8。--freeze 10冻结前 10 层适合微调初期。--hyp用 low 增强配置因为红外不适合强色彩增强。训练日志里重点看mAP0.5和mAP0.5:0.95前者对小目标更敏感。3.2 小目标检测的三个必调参数红外微小目标在 640 输入下可能只有 4 到 8 个像素默认 anchor 偏大召回上不去。第一调整 anchor用python utils/autanchor.py --data data_ir.yaml重新聚类第二把--img提到 960 或 1280代价是显存和推理时间第三在 hyp 里把box损失权重从 0.05 提到 0.08让模型更关注定位。下面是对应修改片段。# hyp_ir.yaml 关键项 box: 0.08 # 提高定位损失权重小目标更敏感 cls: 0.5 # 分类损失保持默认 obj: 1.0 # 目标置信度损失 scale: 0.6 # 随机缩放幅度小目标场景别太大 mosaic: 0.5 # 马赛克增强减半避免小目标被拼没scale和mosaic调低是因为强增强会把小目标缩到消失或拼到边缘反而伤害训练。改完 hyp 后重新跑训练观察验证集里小目标的召回曲线是否抬升。3.3 训练过程怎么判断该停还是该调看runs_ir/exp01/results.csv如果训练损失持续下降但验证 mAP 连续 20 个 epoch 不涨就是过拟合该早停或加数据。如果训练和验证都低是欠拟合加 epoch 或换更大模型。如果某一类 mAP 明显低于其他三类比如飞鸟只有 0.3回去查该类标注数量和标注质量。我一般用 TensorBoard 看每类 PR 曲线比只看总 mAP 有用得多。tensorboard --logdir runs_ir4. PyQt 界面集成把权重变成能点按钮的桌面工具4.1 界面线程与推理线程怎么分离PyQt 主线程负责界面刷新推理如果直接跑在主线程点一次检测界面就卡死。正确做法是把 YOLOv5 推理放在 QThread 子线程里通过信号槽把结果传回主线程画框。下面是最小可运行结构。from PyQt5.QtCore import QThread, pyqtSignal import cv2, torch class InferThread(QThread): finished pyqtSignal(object, object) # 原图, 检测结果 def __init__(self, model, img_path, conf0.25, iou0.45): super().__init__() self.model model self.img_path img_path self.conf conf self.iou iou def run(self): img cv2.imread(self.img_path) # YOLOv5 推理接口size 与训练时保持一致 results self.model(img, size640).pandas().xyxy[0] self.finished.emit(img, results)conf是置信度阈值红外小目标建议从 0.25 起调太低误检多太高漏检多。iou控制 NMS 重叠阈值四类目标重叠少可以设 0.45。size必须和训练输入一致否则框会偏。信号finished把原图和 DataFrame 结果传回主线程主线程再用 QPainter 或 OpenCV 画框后转 QImage 显示。4.2 权重加载与四类颜色映射界面里加载权重用torch.hub.load或直接attempt_load四类目标用固定颜色区分避免每次随机变色导致用户困惑。下面是一段颜色映射和画框逻辑。COLORS { uav: (0, 255, 0), # 绿 helicopter: (255, 0, 0), # 蓝 airplane: (0, 0, 255), # 红 bird: (255, 255, 0), # 青 } def draw_boxes(img, df): for _, row in df.iterrows(): x1, y1, x2, y2 map(int, [row[xmin], row[ymin], row[xmax], row[ymax]]) name row[name] color COLORS.get(name, (255, 255, 255)) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, f{name} {row[confidence]:.2f}, (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1) return imgCOLORS字典的键必须和 data.yaml 里的 names 完全一致大小写错了就取不到颜色。row[confidence]显示两位小数方便现场判断可信度。画框线宽 2 在 640 图上够用1280 图建议加到 3。4.3 批量检测与结果导出界面除了单张检测通常还要支持文件夹批量跑并导出 CSV。批量时不要每张都重新加载模型模型只加载一次循环调用推理。导出 CSV 包含文件名、类别、置信度、四个坐标方便后续统计。import pandas as pd, os def batch_infer(model, folder, out_csv, conf0.25): rows [] for f in os.listdir(folder): if not f.lower().endswith((.jpg, .png, .bmp)): continue path os.path.join(folder, f) df model(path, size640).pandas().xyxy[0] df df[df[confidence] conf] for _, r in df.iterrows(): rows.append({ file: f, class: r[name], conf: round(r[confidence], 3), xmin: int(r[xmin]), ymin: int(r[ymin]), xmax: int(r[xmax]), ymax: int(r[ymax]) }) pd.DataFrame(rows).to_csv(out_csv, indexFalse, encodingutf-8-sig)encodingutf-8-sig是为了 Excel 打开中文不乱码这个细节很多人踩过。conf在批量时通常比单张调高一点比如 0.3减少导出里的噪声行。5. 避坑与排查红外小目标检测最常见的五个翻车点5.1 验证 mAP 很高但实际框飘现象是训练日志 mAP0.5 到 0.9实际跑视频框位置偏移明显。原因多半是训练和推理的输入尺寸或 letterbox 方式不一致。解决是确认推理时size与训练--img相同并检查推理代码是否用了同样的 letterbox 填充。YOLOv5 默认 letterbox 会保持长宽比如果自己写预处理忘了这步坐标反算就错。5.2 飞鸟被大量误检成无人机现象是飞鸟类召回低、无人机类误检高。原因是两类在低分辨率下形态接近且标注时边界规则没统一。解决是回到 2.1 的三条规则重新审查标注把模棱两可的帧剔除或单独归为困难样本再在 hyp 里适当提高cls权重让分类更敏感。5.3 训练 loss 变 NaN现象是几个 epoch 后 loss 突然 NaN。原因通常是学习率过高或某张图标签坐标越界。解决是先把--lr0从 0.01 降到 0.001再写脚本检查所有 txt 里坐标是否在 0 到 1 之间越界的直接修正或删除。红外数据集如果从其他格式转换而来坐标越界很常见。5.4 PyQt 界面点检测后无响应现象是按钮点下去界面卡住几秒后恢复或直接崩溃。原因是推理跑在主线程。解决是按 4.1 把推理放进 QThread并确保信号槽连接正确。另一个隐蔽原因是模型加载放在按钮回调里每次点击都重新加载权重改成启动时加载一次即可。5.5 批量导出 CSV 中文乱码现象是 Excel 打开 CSV 类别名显示乱码。原因是默认编码不是带 BOM 的 UTF-8。解决是to_csv时加encodingutf-8-sig这个参数在 4.3 的代码里已经带上照抄即可。6. 进阶技巧用切片推理把 1280 图上的小目标召回再抬一截红外小目标在整图缩放到 640 后可能只剩 3 到 4 个像素召回天然受限。一个我常用的技巧是切片推理把 1280 或更大原图切成带重叠的 640 小块每块单独推理再把结果按原图坐标合并做一次 NMS。这样小目标在局部块里相对变大召回明显提升代价是推理时间成倍增加。下面是一个可复现的切片推理实现。import cv2, numpy as np, torch def sliced_infer(model, img_path, slice_size640, overlap128, conf0.25, iou0.45): img cv2.imread(img_path) h, w img.shape[:2] step slice_size - overlap boxes [] for y in range(0, h, step): for x in range(0, w, step): x2 min(x slice_size, w) y2 min(y slice_size, h) x1 max(0, x2 - slice_size) y1 max(0, y2 - slice_size) patch img[y1:y2, x1:x2] df model(patch, sizeslice_size).pandas().xyxy[0] for _, r in df.iterrows(): if r[confidence] conf: continue boxes.append([ r[xmin] x1, r[ymin] y1, r[xmax] x1, r[ymax] y1, r[confidence], r[class] ]) # 跨块 NMS避免重叠区域重复框 boxes torch.tensor(boxes) keep torch.ops.torchvision.nms(boxes[:, :4], boxes[:, 4], iou) return boxes[keep]slice_size和训练输入一致overlap一般取 slice_size 的 20% 到 30%太小会漏掉跨块目标太大推理次数增加。合并后必须做一次全局 NMS否则重叠区同一目标会出现多个框。这个技巧在 1280 以上红外图上收益最大640 图上提升有限是否启用看你的实时性要求。参数上还有两个可以微调的点一是conf在切片推理时可以比整图推理低一点比如 0.2因为局部块里目标更清晰误检反而少二是如果四类目标尺寸差异大可以按类别设不同 slice_size飞机用大块、飞鸟用小块但这样代码复杂度上升建议先跑通统一尺寸再优化。我自己的习惯是任何红外小目标方案上线前先用切片推理和整图推理各跑一遍测试集对比每类召回和误检再决定线上用哪种。这个对比表比任何主观判断都可靠。希望帮到你。本文还有配套的精品资源点击获取