简介针对无人机视角下的船只检测与海上搜救任务压缩包内整合了基于YOLO11的完整目标识别方案覆盖从数据标注、模型训练到推理部署的主要环节适合有一定深度学习基础的开发者或研究人员直接参考实践。包体共2000个文件压缩后约676.5MB文件类型以1059个txt标签、284张jpg样本图像、169个Python脚本、88个yaml配置和377个md文档为主分别对应数据集标签、训练图片、训练与推理脚本、环境配置及使用说明目录组织便于快速检索。数据集类别聚焦于船boat这一水上目标可在无人机巡逻、水域监管等场景下降低背景干扰目前已有88人学习/下载。数据集包含YOLO格式与VOC格式标注已按train/val/test划分并附有data.yaml可直接用于YOLOv5/v8/v9/v10/v11/v12等主流算法训练同时提供训练好的模型、评估指标曲线图以及C/Python推理示例和网页可视化样例便于在无人机水域巡逻、落水人员搜救等场景中快速部署和效果验证。1. 先说你最关心的这套 yolo11 无人机船只检测方案能直接用于海上搜救吗你手里这个名为 ultralytics-yolo11 无人机视角船只检测的压缩包打开之后应该是三样东西一套基于 ultralytics 框架的 yolo11 工程代码、一份标注好的水上目标数据集、若干训练好的模型权重。我先给结论这套东西拿来跑通流程完全没问题但如果你直接把它部署到海上搜救任务里大概率会翻车——不是因为代码有 bug而是因为数据集里的“船”和你现场要搜的“船”在视角、光照、海况上差得太远。这篇文章我就按一条完整的落地路径来讲yolo11 网络结构为什么适合无人机视角数据集该怎么盘点和使用训练参数怎么调以及部署到视频流时的注意事项和排错方法。2. 无人机视角为什么难小目标、运动模糊与复杂水面yolo11 凭什么能打2.1 从 yolo11 网络结构看针对小目标的三个变化从 yolo11 网络结构说起不是要背论文而是要弄明白为什么同样是目标检测yolo11 比上一代更适合无人机视角下的水上目标识别。无人机飞在 100 米到 500 米高度时一艘 12 米长的渔船在画面里往往只有几十个像素。模型对这类小目标的敏感度取决于三个结构点。第一是 C3k2 模块替换了之前的 C3/C2f。这个改动直接降低了推理时的计算量同时保持了足够的梯度流。对小目标检测来说它的价值不在单层特征而在于“同样的算力预算下可以把网络做得更深”。我用同样的显存跑 yolo11m 和上一代同量级模型训练速度大概快了 15%这意味着你有更多空间去调高输入分辨率而分辨率恰恰是小目标召回率的第一影响因素。第二是 SPPF 结构保留了多尺度池化能力它把不同感受野的特征拼接后送入检测头。在无人机的俯视画面里一艘大货轮和一艘小皮划艇的尺度差异可能超过 50 倍SPPF 输出的多尺度特征图是同时召回大小目标的基础。关键是后面接的 PAN-FPN 路径把高分辨率浅层特征和语义丰富的深层特征做了融合小目标主要靠高分辨率特征图兜底。第三是 C2PSA 自注意力模块。海面场景的背景极其单调大面积的水面纹理没有有效信息目标就散落在这个大背景里。注意力机制的作用是让模型学会“忽略水、关注异常点”在深层特征图上建模全局关系。这一点的实际收益在你的数据集上验证最直观同样训练 100 个 epoch带注意力的权重在“远距离小目标”上的召回率通常比不带注意力高 3 到 5 个点。另外 yolo11 延续了 anchor-free 检测头。船只的长宽比变化很大货轮可能 1:6救生筏接近 1:1anchor-free 的设计直接回归中心点和宽高省去了为不同船型手工调锚框的麻烦。这对数据集的类别杂、比例杂的情况非常友好也减少了一个容易出错的人工干预点。2.2 数据集是这套方案的硬通货类别分布与标注格式这个压缩包里最值钱的资源其实是数据集不是权重。权重是数据集训练出来的副产品数据质量决定了模型上限。拿到数据之后第一件事不是训练而是盘点。我一般会先跑一段统计脚本看看标注类别分布和目标尺寸分布这一步能避免你后面在错误的数据上浪费十几个小时。from pathlib import Path from collections import Counter labels_dir Path(datasets/ship/labels/train) cls_counter Counter() size_counter Counter() for label_file in labels_dir.glob(*.txt): for line in label_file.read_text().strip().splitlines(): parts line.split() if len(parts) ! 5: continue cls, cx, cy, w, h parts cls_counter[cls] 1 area float(w) * float(h) if area 0.01: size_counter[small] 1 elif area 0.04: size_counter[medium] 1 else: size_counter[large] 1 print(类别分布:, cls_counter) print(目标尺寸分布:, size_counter)这段代码遍历训练集的所有 txt 标注统计每个类别的实例数量并按照归一化面积把目标分成小、中、大三档。注意 YOLO 格式的每一行是“类别 cx cy w h”其中 w 和 h 是相对于图片宽高的比例值域在 0 到 1 之间。如果 small 档占比超过 70%说明这个数据集以小目标为主训练时就要把 imgsz 拉高如果某个类别的实例数不足另一个类别的十分之一那就是典型的类别不平衡后面训练策略必须特殊处理。还要检查标注框有没有问题坐标是否越界、宽度高度是否为负、类别 ID 是否超出 categories 数量。常见做法是写一个校验循环把 w 或 h 小于等于 0 的标注行直接报错这些脏数据会在训练时产生 NaN 损失。这种组织方式与 coco2017 数据集结构的逻辑一致但 YOLO 的 txt 更精简没有 json 层级所以自检脚本必须自己写。2.3 模型版本选择的判断标准n/s/m/l/x 怎么选yolo11 有 n、s、m、l、x 五个版本压缩包里通常也只训练了其中的某几个。很多人一上来就选 x觉得参数越多越好结果在无人机机载设备上跑不动白白浪费了训练时间。我一般按部署目标和数据量来定而不是按“最强模型”来定。版本参数量推理速度适用设备典型场景yolo11n约 2.6M最快Jetson Nano、树莓派机载实时检测yolo11s约 9.4M快Jetson Orin、笔记本 GPU移动地面站yolo11m约 20M中等单张 2080/3060 级别高精度地面处理yolo11l约 25M较慢服务器 GPU事后分析yolo11x约 57M最慢多卡服务器追求极限精度选择逻辑有三条。第一数据量少于 5000 张时上 m 以上的版本容易过拟合s 反而是稳定选择。第二海上搜救如果是无人机机载实时检测n 或 s 是唯一能保证帧率的选项地面站处理离线视频m 性价比最高。第三先跑通再升级不要一上来就训练 l 或 x先用 s 把数据 pipeline 验证干净再换大模型看收益。你会发现很多时候 s 到 m 的 mAP 提升只有 1 到 2 个点但推理时间翻了一倍这时候值不值得就要看任务本身了。3. 环境搭建与数据集准备用 ultralytics 跑通 yolo11 训练的最小配置3.1 安装 ultralytics 与确认 GPU 环境的三个命令yolo11 环境配置最常翻车的点不是 ultralytics 库本身而是 PyTorch 和 CUDA 的版本匹配问题。这套方案用的是 ultralytics 框架它把训练、验证、推理、导出都封装成了命令行和 Python API。安装本身很简单但装完之后先别急着训练按下面的顺序把环境确认一遍。# 创建虚拟环境避免污染系统 Python conda create -n yolo11 python3.10 -y conda activate yolo11 # 安装 ultralytics会自动拉取依赖的 torch 和 torchvision pip install ultralytics # 验证 GPU 是否可用输出 True 才继续 python -c import torch; print(torch.cuda.is_available())第一行创建了一个独立的 Python 3.10 虚拟环境。为什么强调虚拟环境因为 ultralytics 依赖的 numpy、opencv-python 版本比较敏感和系统里其他项目的依赖经常打架。第二行安装 ultralytics它会自动安装 torch、torchvision、opencv 等核心依赖。第三行是关键验证命令如果输出 False说明 PyTorch 装的 CPU 版本或者 CUDA 驱动版本不匹配。常见处理办法是先运行 nvidia-smi 查看驱动支持的最高 CUDA 版本再去 PyTorch 官网选对应的安装命令不要用 pip 默认安装的 torch那个大概率是 CPU 版。提示如果 conda 创建环境很慢可以用 python -m venv yolo11 代替效果一样。关键是不要直接用系统 Python 装。3.2 数据集目录结构与 YAML 配置数据集目录需要按照 ultralytics 约定的结构组织。标准格式是 images 和 labels 两个大目录各自下面再按 train、val 分一次。如果你拿到的压缩包里的组织方式不一样先写成下面这个结构再做训练否则 data.yaml 里的路径会指错。datasets/ship/ ├── images/ │ ├── train/ │ │ ├── 001.jpg │ │ └── ... │ └── val/ │ ├── 002.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── 001.txt │ │ └── ... │ └── val/ │ └── 002.txt └── data.yaml对应的 data.yaml 配置是这样的path: datasets/ship train: images/train val: images/val nc: 2 names: 0: ship 1: person_in_water这里的 path 是相对于你执行训练命令的工作目录train 和 val 是相对 path 的路径。nc 是类别总数names 里每个 ID 必须和标签文件里的第一个数字对应。这个文件的坑在于路径一旦写成绝对路径换到另一台机器就必须改所以尽量用相对路径。另外train 和 val 的图片数量比例不用严格遵循 9:1但 val 集合至少要保证每个类别有 50 个以上实例否则验证集的 mAP 波动会非常大你很难判断模型到底是变好了还是运气变好了。3.3 验证预训练模型下载即用的模型检查训练之前先确认 ultralytics 自带权重能不能正常跑通推理。这一步的目的是把你的环境、权重文件、推理函数这一整条链路打通不要等到训练完了才发现权重文件损坏或者推理接口调用方式不对。# 用自带的预训练权重对测试图片做检测 yolo detect predict \ modelyolo11s.pt \ sourcetest.jpg \ imgsz1280 \ conf0.25 \ iou0.45 \ saveTrue这条命令会把 test.jpg 里检测到的目标框画出来并保存到 runs/detect/predict 目录。model 参数指定权重文件首次运行会自动下载 yolo11s.pt。imgsz 是推理时的输入尺寸这里设置了 1280 而不是默认的 640原因是无人机视角的小目标在低分辨率下会被压缩成几个像素检测头根本来不及响应。conf 是置信度阈值低于这个值的框会被丢弃iou 是 NMS 时的交并比阈值控制两个重叠框是否合并。跑完之后打开保存的图片如果框的位置和类别对得上说明环境没问题如果测试图里什么都没有先降低 conf 到 0.1 试试可能是目标太小导致置信度上不去。提示如果你的测试图片是从视频里截出来的注意检查 JPEG 压缩痕迹压缩率过高的小目标区域会糊成一团推理结果差是正常的不代表模型有问题。4. 训练自己的水上目标模型关键参数与训练策略4.1 训练命令与参数说明用 ultralytics 训练自己的数据集核心命令只有一条但参数要按任务特点调整。下面是我在训练无人机视角船只检测模型时的常用配置它兼顾了显存占用和检测精度。yolo detect train \ modelyolo11s.pt \ datadatasets/ship/data.yaml \ epochs100 \ imgsz1280 \ batch16 \ device0 \ patience20 \ save_period10 \ projectruns \ nameship_v1model 参数指定预训练权重的路径这里用 yolo11s.pt 作为起点而不是 from scratch。用预训练权重做迁移学习可以大幅缩短收敛时间yolo11s.pt 是在 COCO 上预训练的对通用目标的特征提取能力可以直接迁移到船只检测上。imgsz1280 是这一场景下最重要的参数它直接决定小目标在输入张量里占多少个像素。batch16 是显存和训练速度的折中如果你的显卡只有 8GB 显存imgsz1280 的情况下 batch 可能需要降到 8 或 4否则会报 CUDA out of memory。device0 指定第一块 GPU省得它跑到 CPU 上去。save_period10 表示每 10 个 epoch 存一次权重配合下面的早停策略使用。训练启动后可以用 yolo detect train 的实时输出监控 loss 变化。正常情况下前 10 个 epoch 的 box_loss 和 cls_loss 应该稳步下降如果 loss 曲线几乎是平的别急着加训练轮数先停下来检查数据集和上一章提到的问题。提示第一次训练建议先用 10 个 epoch 跑通全流程确认数据加载、caching、验证集评测都没问题再正式跑 100 个 epoch省得最后发现配置错误白等半天。4.2 数据增强参数无人机视角最该动哪几个ultralytics 的数据增强默认参数在大多数场景下表现不错但无人机视角有它的特殊性需要重点调整四个参数。增强参数可以写在 data.yaml 里也可以作为命令行参数传入。下面这段是经过实际验证的配置# data.yaml 中追加的增强配置 mosaic: 1.0 scale: 0.5 degrees: 45 hsv_h: 0.015 fliplr: 0.5mosaic 是四张图拼接成一张进行训练它对小目标检测的帮助明显因为拼接后每张子图的缩放比例不同变相增加了目标尺度的多样性无人机视角的船只尺度差异极大这个增强建议保持开启。scale 控制目标缩放范围0.5 意味着训练时图片会在 0.5 到 1.5 倍之间随机缩放这个值不要调太大否则小目标会被缩放得几乎不可见模型以为是噪声。degrees 控制随机旋转角度。无人机巡航时航向会改变目标在画面里的朝向不固定所以旋转增强是必要的。但我建议不要设到 180 或 360因为水上目标有明确的“上下”概念比如船的船头和船尾纹理不同过度旋转会产生大量不合理样本让模型学歪。45 度是个平衡值。hsv_h 是色调抖动海上场景不同时间段的光照色温差异大稍微加一点可以提升泛化性。fliplr 水平翻转是几乎无成本的增强船只的左右对称性比较强0.5 的概率是安全的。4.3 早停、断点续训与结果评估训练过程中断了怎么办这是很多人忽略的一个问题特别是训练在服务器上跑了好几个小时突然断电或者显存被别的进程抢占导致中断。ultralytics 支持断点续训前提是训练时没关掉 cache 和保存中间权重。# 从 last.pt 恢复训练 yolo detect train \ modelruns/ship_v1/weights/last.pt \ resumeTrueresumeTrue 会自动读取上次训练的参数和优化器状态继续从断点处往下跑。这里有个注意点resume 模式下不需要再传 data 和 epochs它会从上一次的配置里读取。所以如果你中途改了数据增强参数resume 不会生效需要重新用完整命令开一轮新训练。早停参数 patience20 的效果是验证集 mAP 连续 20 个 epoch 没有提升就自动停止。这个机制非常实用因为深度学习训练有一个“收益递减”的规律前 30 个 epoch 提升明显后面可能只在小数点后三位波动。早停帮你省下的时间可以用来调参或准备更多数据。训练结束后重点看 runs/ship_v1 目录下生成的 results.csv 和 confusion_matrix.png。results.csv 里记录了每个 epoch 的 box_loss、cls_loss、mAP50、mAP50-95观察 mAP50-95 的波动幅度能判断模型是否稳定混淆矩阵则能直观看到“船”和“落水人员”这两个类别之间有没有互相误判。5. 避坑清单无人机视角船只检测的五个常见问题与排查5.1 小目标漏检严重现象验证集上的 mAP50 有 0.85看起来很漂亮但把模型放到无人机实拍视频里稍远一点的船就完全检不到画面里出现一个又一个漏检框。原因这是无人机视角的老大难。验证集的标注分布和实际飞行场景不一致你在数据里看到的“小目标”在 1280 分辨率下可能还有 20 个像素但实际飞高到 300 米以后目标直接缩到 8 个像素以下。另一个原因是训练时 mosaic 增强虽然增加了尺度多样性但小目标在缩放过程中会被严重扭曲特征丢失后模型根本没有机会学习。解决第一步把 imgsz 从 1280 提升到 1536 或 1600看显存能不能撑住第二步检查你的数据集中小目标实例占比如果 small 档占比低于 30%说明不是模型问题是数据本身缺少小目标样本需要补充高空视角的图片或者对现有图片做切片把一张大图切成四张训练。第三步是部署时用 TTA测试时增强的 scale 选项虽然推理慢一些但能明显提升小目标召回率。5.2 雾天逆光误检现象模型在晴朗天气下表现正常一到有雾或者逆光的时段把浪花、泡沫、甚至阴影识别成“船”或“落水人员”。原因海上搜救多半是在恶劣天气下进行的但训练数据里大多是晴天。低照度和雾气导致的目标轮廓模糊让模型只能捕捉到局部纹理特征而浪花和落水人员在灰度分布、纹理复杂度上其实很像。这是典型的分辨力不足问题不是模型“变笨了”。解决收集硬负样本加入训练集。具体做法是把误检图片裁出来单独存成一个“background”目录标注为空图片txt 文件里没有任何标注行加入训练数据。模型看了这些负样本之后会学会把“看起来像但是目标特征不完整”的区域压到低置信度。另外部署时把置信度阈值从 0.25 提高到 0.4并且加一个尺寸过滤器船只的长宽比通常大于 2落水人员接近 1可以用几何约束过滤掉明显不合理的检测框。5.3 loss 不降或者直接变 NaN现象训练跑了好几个 epochbox_loss 和 cls_loss 纹丝不动甚至掉到 NaN。原因loss 不降多半是数据读取的问题最常见的是数据集的标签和图片不对应或者 labels 文件夹里混入了空的 txt 文件NaN 通常是因为标注里有坐标越界的框、宽高为负的脏数据导致计算损失时出现除零或根号下负数。解决先看训练日志里每一轮的图片数量确认数据集没有读空再写脚本检查标注文件里的所有坐标是否在 0 到 1 之间宽高是否大于 0最后看一下训练时保存的 train_batch0.jpg如果标注框画的位置和物体明显对不上那就是标签和图片的对应关系错位了重建目录映射是最快的解决办法。如果前面都正常检查学习率是否过高把 lr0 从 0.01 降到 0.001 重试。5.4 推理卡顿帧率上不去现象模型在电脑上跑视频检测有 30 FPS上了无人机的机载设备只有 3 FPS完全没法实时用。原因机载设备的算力本来就弱如果直接用 PyTorch 的 FP32 精度跑推理单帧推理时间就会达到几百毫秒。另一个常见原因是推理时没有指定 GPU代码默认跑在 CPU 上帧率自然惨不忍睹。解决先把模型导出成 TensorRT 的 engine 格式FP16 精度推理速度能提升 3 到 5 倍再检查推理代码里的 device 参数明确指定为 0 或 1而不是靠自动检测。如果还是达不到实时要求考虑换 yolo11n 而不是 yolo11s精度损失换来帧率翻倍在搜救这种需要快速响应但不需要像素级精度的场景下是划算的。5.5 类别不平衡核心类别被淹没现象数据集的“船”有 5000 个实例“落水人员”只有 80 个实例训练完模型几乎检不出落水人员输出全是船。原因这是搜救任务里最致命的问题。模型在训练时会倾向优化大多数类别的损失少数类别学不到足够特征。验证集 mAP 看起来不差那是因为船的检测太强把整体指标拉高了。解决对少数类别做过采样复制把落水人员图片重复 3 到 5 次加入训练集让两个类别的实例数接近 1:3 以内如果数据实锤无法增多考虑在 loss 上做文章给少数类别更高的 cls_loss 权重再不济就用“二次检测”的思路——先用这个模型筛掉大部分水面区域针对剩下的可疑区域单独跑一个人体检测模型相当于用两个专注的模型替代一个什么都要干的模型。6. 部署到视频推理链路检测脚本与漏检率验证6.1 对视频流做检测并落盘的完整脚本把训练好的权重接到视频检测上代码量其实很少但有几个参数值得认真调。下面是我常用的一段推理脚本处理无人机拍摄的视频文件from ultralytics import YOLO # 加载训练好的权重 model YOLO(runs/ship_v1/weights/best.pt) # 视频推理保存结果 results model.predict( sourcesearch.mp4, imgsz1280, conf0.25, iou0.45, vid_stride5, saveTrue, save_txtTrue, projectruns/detect, nameship_infer, ) # 打印每一帧的检测信息 for frame_idx, r in enumerate(results): if r.boxes is not None: for box in r.boxes: cls_id int(box.cls[0]) conf float(box.conf[0]) print(f帧 {frame_idx * 5}: 类别 {cls_id}, 置信度 {conf:.2f})vid_stride5 表示每 5 帧检测一次这是一个很重要的参数。无人机在巡航时移动速度相对慢目标不会因为跳几帧就消失这个设置可以把推理负载降低到原来的五分之一。save_txtTrue 会把每帧的检测结果保存为 txt 文件便于后续做数据统计。如果 detection 的框在视频里抖得很厉害可以在 predict 调用里加上 agnostic_nmsTrue强制做类别无关的 NMS让重叠的同类框只保留一个减少误报。6.2 用验证集量化漏检率评估这个方向值不值得继续投入模型跑通之后最重要的一步是验证它到底能不能用。我习惯的做法是从无人机实拍视频里随机抽 30 帧人工标注出所有目标再用脚本跑一遍模型对比人工标注和模型输出的差异算漏检率和误检率。漏检率 模型没检出的目标数 / 人工标注目标总数这个指标比 mAP 更直观地反映搜救任务的实际效能。漏检率在 10% 以下可以进入试点10% 到 30%需要补充小目标和恶劣天气样本继续训练30% 以上说明数据集和任务的差距太大这个方向暂时不值得投入应该先多采集目标水域的实拍数据而不是继续调参数。我自己的习惯是每次都把漏检样本截图保存下来定期复盘这些样本里有没有规律——比如全都是逆光、全都是船体遮挡找到规律等于找到了下一次数据采集的优先方向。希望这套流程能帮你少走一些弯路把精力花在真正影响搜救效率的问题上。本文还有配套的精品资源点击获取