简介面向人工智能目标检测与计算机视觉研究者这份战车卫星图数据集提供1000张1024×1024像素的标注彩图以卫星视角下的战车为唯一检测目标配套VOC格式XML边界框标注适合用于YOLO、Faster R-CNN等主流检测模型的训练与算法对比验证。压缩包共2000个文件包括1000张jpg、1000个xml及1个说明txt整体约419.51MB数据组织规范可直接按images、annotations目录读取使用。目前已有7134人学习下载说明其在军事监测、遥感分析等场景中具有一定参考价值。通过这套数据研究者可完成数据集划分、模型微调与指标评估的完整流程也可作为课堂实训或论文实验的基准数据节省自行采集和标注卫星图像的时间成本。1. 为什么卫星俯拍场景需要专门的数据集先聊个真实经历。我之前在项目里用过 KITTI、COCO 这些通用数据集训练目标检测模型跑自然场景图片效果还不错车辆、行人该框的都框得住。但一旦换成无人机航拍或者卫星影像模型表现直接断崖式下跌漏检、误检多到没法看。后来我意识到核心问题不在模型而在数据本身自然场景数据集和俯拍遥感影像的分布差异太大了。卫星图里的目标检测有几道坎是普通数据集很难覆盖的。第一是视角问题绝大多数通用数据集都是平视视角而卫星图是正射俯拍车辆、战车在画面里呈现出来的是顶面轮廓和平视图的侧脸特征完全不同。第二是尺度问题一辆战车长度约 7-8 米在 0.5 米分辨率即每个像素代表地面 0.5 米的卫星影像里整车只有 16×7 像素左右放到 YOLO 的 640 输入尺寸里可能只剩几个像素这已经属于小目标甚至极小目标的范畴。第三是背景复杂度卫星图里面道路、建筑、阴影、植被纹理非常琐碎模型很容易把阴影边缘、屋顶结构误判成目标。所以做“战车卫星图目标检测数据集”这个方向本质上不是在重复造轮子而是在解决一个真实存在的领域适配问题。这个数据集能做的事很多可以用于智慧交通里的特种车辆识别也可以用于应急管理中的物资车辆调度统计同时它也是一个非常适合用来练习“小目标检测”“遥感影像分析”的实战素材。无论你是做算法工程落地还是学校里的 AI 课程大作业这套从数据构建到模型训练验证的流程都值得完整走一遍。我在下文会从数据集本身的构建链路讲起再延伸到基于这个数据集怎么训练、怎么评估、怎么调优最后把过程中踩过的坑一并复盘。整个过程会围绕一个原则展开数据集决定了模型效果的上限模型只是在逼近这个上限。1.1 普通目标检测数据集在卫片上失效的两个深层原因第一个原因是尺度分布差异。以 COCO 为例它把小目标定义为边长 32×32 像素以内但在真实卫星影像里大多数感兴趣目标——无论是车辆、船只还是小型建筑物——边长基本都在 8 到 30 像素之间。模型在训练时如果没见过这么多“小到模糊”的正样本它的特征提取网络就不会针对性的优化这些小目标的细粒度特征。第二个原因是特征呈现方式差异。卫星图里目标的纹理更多来自于其顶视图的轮廓、长宽比例、颜色均匀性而不是自然图像里那种丰富的边缘、颜色渐变和语义上下文。模型用自然图像学到的 3D 结构特征在俯视图上基本用不上。这也就是为什么很多团队做遥感和航拍检测时都会选择自己标注专项数据集而不是直接拿现成数据集硬训。战车卫星图数据集的构建思路本质上就是这个“专项目标检测任务闭环”的一个范例。1.2 数据版权与合规采集哪些影像源可以合法使用讲到数据集一定躲不开版权和合规问题。卫星影像来源很多但并不是所有影像都能随便下载、标注、再发布。我在实际项目中主要使用可公开获取的影像服务资源例如部分公开的地图影像接口、USGS EarthExplorer 这类政府公开数据平台、以及部分开放许可的遥感数据集。这些影像在学术研究和非商用场景下使用相对安全但如果你打算对外发布标注后的数据集务必逐条确认原始影像的许可协议。一点建议数据构建过程中尽量把“影像来源、采集时间、分辨率、地理区域、许可类型”记在项目文档里。这个信息在写论文、做开源发布、甚至是公司内部合规审核的时候都是必备材料别等要用的时候再翻记录。2. 数据准备链路从大图卫片到训练集卫星影像数据准备的完整链路可以拆成五步原始大图获取、切图、筛选、标注、划分数据集。每一步都是有讲究的我把关键细节和参数写出来你直接按这个流程操作就能少走弯路。2.1 大图切图策略为什么不能把整张卫片直接丢给模型原始卫星大图通常是几千乘几千像素直接喂给神经网络既放不进显存也无法满足训练时的批量要求。标准做法是滑窗切片把大图切成固定尺寸的小图再进入训练流程。切图参数我建议这样设切片尺寸推荐使用 1280×1280 或 1024×1024。这个尺寸能保证单个目标约 20 像素在缩放后仍然保留足够辨识度同时不会让显存爆掉。相邻切片之间设置 10%-20% 的重叠率。如果目标恰好被切在边缘重叠可以保证目标至少在一个切片内是完整的避免大量样本因为“切了一半”而被浪费。切图后需要进行筛选丢掉的通常是两种情况完全没有目标的空白图、以及目标占比不到 10% 的边缘图。前者会被当作负样本单独保留一部分后者直接淘汰以节省训练时间。这里有一个很容易被忽略的问题切片过程中如果目标正好被切开不要急着把切片丢弃可以用标注工具里的切割检测逻辑将切分后面积较大的目标片段保留并做补充标注。切图后最好跑一个脚本统计一下“各尺寸目标数量分布”如果你发现 16 像素以下的目标占了 70% 以上那后面训练时必须开启小目标检测策略比如添加 P2 检测头否则模型的召回率会很难看。2.2 标注格式如何选择矩形框、旋转框与所需标注工具卫星图中的战车目标朝向是任意的理论上旋转框Oriented Bounding BoxOBB能贴合目标轮廓得更好许多遥感检测比赛也都用旋转框。但如果你走的是 YOLO 系列的部署链路矩形框依然是最省事、最稳的选择——它可以直接用 YOLO 原生 txt 格式训练导出和部署都不用额外写转换代码。旋转框的优势主要在于密集目标的边界分离但在数据集初期矩形框带来的标注效率提升尤其是不用每辆车去转角度远大于精度收益。我的做法是第一版数据集统一用 axis-aligned 矩形框格式为标准的 YOLO txt具体长这样class_id cx_norm cy_norm width_norm height_norm归一化的坐标除以切片宽高即可。标注工具方面我常用 X-AnyLabeling它对 YOLO 格式支持很友好也支持自动检测预标注能大幅减少手动框选工作量。标注时有一个重要的操作原则先定义一个明确的标注规范再开工——比如“框体必须贴合战车车身主体炮管在俯视图上如果凸出车身较长是否包含由规范决定”类似这种规则如果不定清楚不同标注员给同一辆车框出来的边界可能差出好几个像素。这看起来是小事但会对训练稳定性和最终 mAP 产生直接影响。现在做数据集开发我还会额外“白嫖”一层负样本从大图的非目标区域随机切出一批 512×512 或 640×640 的纯背景图作为负样本加入标注集。负样本比例控制在总样本的 10%-20% 比较合适太少模型会倾向于乱报太多则会让模型过度保守把所有东西都判成背景。2.3 数据划分按大图划分还是按切片划分这是非常容易踩坑的一个细节。数据划分的时候如果按“切片”来划分训练集和验证集会导致同一个大图区域内的相邻切片同时出现在训练集和验证集里。由于它们的背景纹理高度相似、目标也可能重复出现最终验证指标会虚高但换到新的地理区域后性能马上掉下来。正确做法是先按大图划分再从不同大图中取切片进各自的集合。比如有 100 张大图按 70/15/15 切分后再从训练大图里切片做训练集从验证大图里切片做验证集这样才能真实反映模型的泛化能力。3. 基于这套数据集的模型训练配置数据集准备好之后接下来的核心就是从数据到模型的映射。YOLOv8 是目前最合适的快速验证起点社区成熟、部署方便更重要的是它在小目标场景有可用的优化手段。这里我不会照搬文档而是把我在这个数据集上实际用下来的配置和理由讲清楚。3.1 为什么选 YOLOv8以及 P2 小目标检测头的配置方法YOLOv8 在确保检测精度的同时把训练和推理速度控制得很好在 1280 输入分辨率下依然能在消费级显卡上有不错的吞吐。对于只有几千张样本的垂直领域数据集它不会像更大规模的检测模型那样容易过拟合而且它的训练日志、验证指标可视化做得完整排错体验对初学者相当友好。我主要用 YOLOv8ssmall 版本来做基线然后针对小目标问题加 P2 检测头。YOLOv8 默认输出 P3、P4、P5 三个检测头分别对应 80×80、40×40、20×20 的特征图P3 已经用于检测 8×8 像素以上的目标了。但对于 16×16 像素左右的战车目标P3 的语义信息仍然不够细。配置 P2 检测头可以把特征图分辨率提升到 160×160让模型能更好的捕捉小目标的轮廓细节。在使用 ultralytics 框架时可以直接基于官方 yaml 修改# yolov8s-p2.yaml from: ultralytics/cfg/models/v8/yolov8s.yaml head: - [-1, 1, Conv, [64, 3, 2]] - [-1, 1, Conv, [128, 3, 2]] - [-1, 3, C2f, [128, True]] ...更省事的做法是直接调用框架里预设的 P2 版本参数或者在训练命令里指定对应的 yaml。需要注意加了 P2 头之后显存占用会明显上涨实测在 1280 输入下batch size 16 需要至少 16 GB 显存如果显存不够就先把 batch 降到 8或者把输入尺寸降到 1024。选型的基础逻辑是小目标检测里保分辨率比增大模型参数更重要。3.2 训练参数的具体取值和依据直接给一组我在战车数据集上调通的基础参数输入分辨率 imgsz1280相对于 640目标占的像素面积扩大 4 倍模型能学到更多细节。训练耗时约增加 2-3 倍但小目标的 AP 提升通常在 5-10 个点这个投资完全值得。batch16根据显存调整epochs200初始学习率 lr00.01最终学习率 lrf0.01。mosaic1.0 在前 150 个 epoch 开启最后 50 个 epoch 关闭。原因是 mosaic 增强在数据不足时能有效扩充样本多样性但在训练后期拼接出来的虚假图像会导致模型对真实目标的定位不够稳最后关掉让模型在真实分布上收敛一下。hsv_h、hsv_s、hsv_v 亮度/饱和度增强适度开启卫星影像受光照影响大这个增强能让模型的颜色鲁棒性更好。flipud、fliplr 开启。遥感影像不像自然图片那样有严格的“上下”语义翻转后目标仍然是合理目标可以放心用。3.3 数据增强的取舍哪些能用哪些必须关在遥感小目标场景中有两个增强需要特别注意。第一个是 scale随机缩放官方默认值在某些版本里会引入比较激进的缩放导致小目标被缩得更小或者被裁掉大半建议把 scale 控制在 0.3-0.5。第二个是 translation平移在目标已经很小的情况下超过 0.1 的平移比例很容易把目标移出画面造成标签错位建议直接关闭。此外我还建议额外开启轻微的高斯噪声增强如果框架支持用来模拟不同传感器的成像噪声差异。经过这么一组合模型对传感器变化、天气影响、光照波动的鲁棒性会有实质提升。4. 模型评估与结果分析小目标场景不能只看 mAP训练跑完之后如何评价模型好不好是整个流程里最容易产生误判的环节。不少人只看一个 mAP0.5发现到了 0.9 就觉得模型行了但这个数字在类别少、目标小的场景里非常有欺骗性。4.1 三个比 mAP 更值得盯的指标第一是 mAP0.5:0.95这个指标对边界框的定位精度要求更严格能反映模型框得“准不准”。你可能会看到 mAP0.5 很高但 mAP0.5:0.95 比自然场景数据集训练出来的模型低很多因为小目标的 IoU 对几个像素的偏差非常敏感。第二是 AP_small专门统计面积小于 32×32 像素的目标检测精度这才是卫片场景的真正主场。第三是召回率Recall小目标检测最大的敌人是漏检如果召回率低于 0.85说明你需要在检测头和数据增强上继续下功夫而不是急着调精确率。我一般会把验证集跑一遍导出一份 PR 曲线和 confusion matrix重点看召回率曲线在低置信度区间是不是快速抬升。如果发现召回率曲线尾部仍然很低说明大量目标没有被模型捕捉到这种时候再去调 NMS 阈值和置信度阈值基本没用要回到数据分布上找问题。4.2 推理阶段的 TTA 和滑窗推理在推理阶段针对这套数据集的图像原始分辨率较高可以有两种方式处理。第一种是直接 resize 到 1280 做单尺度推理速度快大多数场景够用。第二种是 TTATest Time Augmentation多尺度推理把输入缩放到 1024、1280、1536 等多个尺寸分别推理再合并结果对小目标召回提升明显但耗时也翻了几倍适合离线分析和竞赛场景。还有一种工程上更实用的方法是滑窗推理把大图切成重叠小块各自推理再合并。配合 10%-20% 的重叠率能够有效减少目标在切片边缘被截断造成的漏检。这个方案在无人机航拍和卫星影像的实时处理流水线里非常常见。5. 复盘做这个数据集期间踩过的坑最后这部分是我最想分享的。很多东西只有真正跑完一遍数据构建加模型训练才能体会到这些经验能帮你少走几个星期的弯路。5.1 标注一致性比绝对精确更重要团队协作标注的时候最难的不是框不准而是标准不统一。有人喜欢框车身整体有人喜欢贴着可见轮廓收一点点还有人会把炮塔单独细节带进来。这些差异反映到训练集里就是同类别目标框的大小和中心点偏移出现波动模型学习时会很困惑。我在项目里定下的规范是统一紧贴车体主体轮廓火炮身管在俯视图上如果伸出车体则包含在框内如果被遮挡导致轮廓不明确只框可见部分。然后做了两轮交叉抽检随机抽 10% 样本由另一位同学重新标注一遍对比 IoU 小于 0.85 的框全部打回修正。这个动作对最终模型稳定性的帮助比换任何网络结构都大。5.2 负样本比例不是越大越好第一版实验我为了降低误检把负样本比例拉到了 40%结果模型变得异常保守把所有置信度压得很低真实目标大量漏检。后来把负样本降回 15% 左右并在负样本中特意加入道路、阴影、屋顶、停车场这类“容易和战车混淆”的高难度背景误检率回升到可接受范围的同时召回率也救回来了。关键在于负样本质量而不是数量有代表性的难负样本比堆数量更有效果。5.3 小目标的聚集场景需要单独处理战车在卫星图中经常成组出现比如一个驻车场里停着一排。这种场景下两辆相邻车辆之间的距离往往只有几个像素模型很容易把两辆车框成一个框。单靠调 NMS 阈值很难解决我采用的办法是在标注阶段保留所有紧邻目标不合并训练阶段使用较高的 IoU 阈值ciou_loss 保持默认推理阶段把 NMS 的 IoU 阈值从默认 0.45 调低到 0.3。这样密集场景下的召回率会有明显进步但需要针对自己的验证集做个小网格搜索找到那个既不会漏也不会叠的最优值。5.4 过拟合信号怎么判断垂直领域数据集样本量通常不大过拟合几乎是必然发生的事。我习惯同时盯着 train loss 和 val loss当 train loss 持续下降、val loss 开始反弹基本可以确定过拟合。处理方法优先级依次是增大数据增强强度、加 dropout、减小模型尺度、加 L2 正则。但最根本的办法仍然是回到数据层面补拍或补充新的地理区域样本让数据集覆盖更多的背景形态而不是靠反复调参对抗过拟合。对于“战车卫星图目标检测数据集”这个项目我从影像采集合规记录、切图策略、标注规范、YOLOv8 配置到评估分析把整条链路都过了一遍。这套思路不止用在战车检测上你换到船只、车辆、油罐、建筑物等任何遥感目标检测任务上流程都是通用的。相比模型结构数据质量、标注一致性、切图策略对小目标检测的影响往往更大先把数据基础打扎实后面的模型训练就是水到渠成的事了。本文还有配套的精品资源点击获取