简介面向无人机通信、频谱感知与目标识别研究人群提供一套带完整标注的无人机频射信号检测数据集。数据集中无人机类别覆盖多型号与频率场景平均正确识别率达94.3%可直接用于目标检测模型的训练、验证与算法效果对照。压缩包内共728个文件包括364张JPG原始图片与364个对应的Pascal VOC XML标注文件标注框与类别信息一一对应适合作为YOLO、Faster R-CNN等检测框架的落地方案。包体总大小约136.89MB文件以“原图同名标注”成对组织便于拆分训练集与测试集也可快速转换为其他主流标注格式。目前已有700人学习下载适合有一定深度学习基础、需要真实无人机频射样本开展实验的研究者或竞赛团队。1. 364张图片做无人机频射信号检测这个数据集能解决什么一个目标检测数据集只有364张原始图片在动辄上万张的公开数据集面前小得不像能训练模型的料。但无人机频射信号检测数据集的情况正好反过来数据量小平均正确识别率却报出94.3%而且标注格式是PASCAL VOC XML。这说明任务本身被限制得比较干净——射频信号检测处理的是固定频段、固定调制方式下的信号形态目标类别少、背景相对稳定小数据集也能撑起一个可用的检测器。这个数据集的用处是把“无人机在不在、信号源在哪”这类问题转成普通目标检测任务来解。原始图上标注的是经过可视化或时频变换后的信号区域检测模型学会的是在图上找出发射源的位置而不是去判断无人机的视觉外形。适合两类人一类是在做无人机探测、频谱监管、反无人机系统选型的工程师想先用现成数据跑通流程另一类是刚接触目标检测的从业者需要一个标注干净、训练成本低、能快速验证自己工具箱的数据集来练手。2. 先读明白无人机射频数据集的PASCAL VOC标注数据内部结构不能靠猜2.1 为什么这套标注选择PASCAL VOC XML而不是一张CSVPASCAL VOC的XML标注是目标检测领域最老牌的标注格式之一特点是每个XML文件对应一张图片图片里每个目标对象都用object节点包起来坐标、类别、是否困难样本全部写在结构化标签里。很多早期的射频信号检测数据集选择这种格式不是因为它最高效而是因为它的兼容路径最宽LabelImg默认导出XMLMMDetection内置VOC数据加载器转成COCO或YOLO的txt都只需要一个脚本。比CSV格式的标签表更稳的是XML把图片尺寸、通道数、目标类别、边界框坐标全部绑定在一个文件里。CSV一旦漏写一行或者字段错位训练时很难定位是哪张图出了问题XML每个文件独立解析失败最多影响单张图。一个标准的PASCAL VOC XML节点结构是这样的annotation folderUAV_RF/folder filename000001.jpg/filename size width640/width height512/height depth3/depth /size object namedrone_signal/name difficult0/difficult bndbox xmin118/xmin ymin96/ymin xmax395/xmax ymax418/ymax /bndbox /object /annotation解析时要注意size里的宽高必须和实际读入图片的宽高一致否则归一化边界框时坐标会整体偏移。很多小数据集在标注过程中改过原图尺寸但XML里的size没有同步更新这是最容易踩的坑后面专门说。2.2 364张原始图片怎么划分训练、验证、测试集364张这样的规模随机按7:2:1切分训练集大约254张、验证集73张、测试集37张。问题是射频信号检测里同一次采集得到的连续图片往往背景高度相似如果随机切分模型可能在验证集上表现虚高因为验证集里混着和训练集同一时段采出来的画面。一个更务实切法是按采集批次或场景段落来切。比如如果364张来自多次独立采集优先保证同一批次的图片落在同一个集合里。这样验证的是模型对不同采集环境的泛化能力而不是记忆背景的能力。我一般先把所有XML文件路径收集起来用完整路径作为唯一标识做集合划分避免重名图片在切分时被重复使用。图片名经常是000001.jpg这种通用命名多个批次合并后重名概率很高。import random from pathlib import Path xml_files list(Path(Annotations).glob(*.xml)) random.Random(42).shuffle(xml_files) train_ratio 0.7 val_ratio 0.2 train_files xml_files[:int(len(xml_files) * train_ratio)] val_files xml_files[int(len(xml_files) * train_ratio):int(len(xml_files) * (train_ratio val_ratio))] test_files xml_files[int(len(xml_files) * (train_ratio val_ratio)):] # 按文件名生成对应图片路径 train_txt [str(x.with_suffix(.jpg)) for x in train_files]随机数固定的好处是复现时结果一致。后面做数据增强或交叉验证时同一个随机种子能让前后实验对比更可靠。2.3 从XML读边界框解析脚本与四个关键字段XML解析用Python标准库xml.etree.ElementTree就够了不需要引入额外依赖。下面这段解析函数返回每张图的类别和边界框import xml.etree.ElementTree as ET def parse_voc(xml_path): tree ET.parse(xml_path) root tree.getroot() img_name root.find(filename).text img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) objects [] for obj in root.findall(object): name obj.find(name).text difficult int(obj.find(difficult).text) bndbox obj.find(bndbox) xmin int(bndbox.find(xmin).text) ymin int(bndbox.find(ymin).text) xmax int(bndbox.find(xmax).text) ymax int(bndbox.find(ymax).text) objects.append({ name: name, difficult: difficult, bbox: [xmin, ymin, xmax, ymax] }) return img_name, img_w, img_h, objects重点看四个字段difficult表示这个目标是否属于困难样本计算mAP时通常会被忽略truncated表示目标是否被图片边缘截断occluded表示是否被遮挡。很多射频信号数据集里的目标边缘刚好压在图片边界上truncated没标的情况很常见。如果直接把这些边缘截断的框拿去训练模型会被迫学习不完整的信号形态推理时反而对完整目标不敏感。在做数据检查脚本时我习惯把这几个字段打印出来单独看一眼确认数据集作者是否统一填了0。3. 跑通平均正确识别率94.3%的训练流程格式转换、模型选型与参数3.1 把PASCAL VOC XML转成YOLO txt转换脚本与文件划分YOLO系列的训练标签不是XML而是每个图片对应一个txt每行写入类别 x_center y_center width height四个数值都基于图片宽高做归一化。这步转换不能手写必须写脚本一次性处理全部XML。import xml.etree.ElementTree as ET from pathlib import Path def voc_to_yolo(xml_path, out_dir, class_dict): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) txt_name Path(xml_path).stem .txt lines [] for obj in root.findall(object): if int(obj.find(difficult).text) 1: continue # 困难样本不参与训练 name obj.find(name).text bndbox obj.find(bndbox) xmin int(bndbox.find(xmin).text) ymin int(bndbox.find(ymin).text) xmax int(bndbox.find(xmax).text) ymax int(bndbox.find(ymax).text) if xmax xmin or ymax ymin: continue # 非法框跳过 class_id class_dict[name] x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h box_w (xmax - xmin) / img_w box_h (ymax - ymin) / img_h lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) out_path Path(out_dir) / txt_name out_path.write_text(\n.join(lines))转换时有几个细节必须处理一是difficult1的目标要不要排除如果训练时保留、评估时又忽略成绩会被抬虚高二是xmax xmin的非法框直接跳过这种框大多数是标注时鼠标拖反了三是归一化保留6位小数太低会导致小目标框的精度损失。转换完成后还要检查每张图的txt是否为空。射频信号检测的负样本图里可能一个目标都没有空txt文件会被YOLO判断为背景图这是正常的但空背景图太多会拉高假阳性率最好控制在总图片数的10%以内。3.2 用YOLOv5做迁移学习数据集配置与训练命令364张原始图片从零训练一个Darknet或ResNet骨干特征学习肯定会过拟合。常见做法是在ImageNet预训练权重上做迁移学习比如YOLOv5s或YOLOv8n参数量小、训练快适合这种小数据场景。数据集配置文件里需要写清楚类别数和类别名# uav_rf.yaml path: ./datasets/UAV_RF train: train.txt val: val.txt test: test.txt nc: 1 names: [drone_signal]之前的train.txt里每行是图片的绝对路径YOLO会按同名规则自动找对应的txt标签文件。训练命令用常见写法python train.py \ --data uav_rf.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --patience 20 \ --project runs/uav_rf对单选类别模型训练重点是控制过拟合而不是追求更高的mAP。我的建议是batch不要设太大小数据集本身就代表数据分布稀疏大批量会把均值噪声拉低模型容易过早收敛到背景模式上。img用640即可如果原图宽高比不统一加--rect让YOLO按批次内最接近的长宽比做rectangular inference减少大量灰边带来的干扰。训练过程里最需要盯的是val/box_loss如果训练损失还在降但验证损失开始回升说明记忆已经开始。这时调低学习率或加大--augment里的mosiac概率都比继续硬跑更多epoch有意义。3.3 评估口径必须对齐94.3%到底是AP、AR还是准确率平均正确识别率94.3%这个数字不同数据集作者的计算方式可能完全不同。最常见的有三种口径一是按图片分类算每张图只要有目标被检出就算正确二是按目标实例算比对每个框和真实框的IoU三是按像素或频谱片段算射频信号检测里有时整张图就是一个信号片段模型输出的是“有信号/无信号”的二分类结果。这直接影响你训练完该用--task val还是--task test去复现。我一般先把测试集单独留出来训练完成后用下面这条命令出报告python val.py \ --data uav_rf.yaml \ --weights runs/uav_rf/exp/weights/best.pt \ --task test \ --conf-thres 0.25 \ --iou-thres 0.45--conf-thres和--iou-thres一改最终mAP数字能浮动好几个点。如果数据集报告里没有写明这两个阈值你复现出来的94.3%很可能对不上这不是模型问题是评估协议问题。建议在自己实验记录里显式留下阈值参数避免后续对比时出现数字打架。4. 小数据集训练避坑指南364张图上的五个真实血泪经验4.1 误读“平均正确识别率”把AP、AR和准确率混在一起现象训练完看日志发现验证集上的mAP0.5只有不到90%跟数据集报告里的94.3%对不上怀疑数据集有问题。原因报告里说的平均正确识别率可能是指“每张测试图的正确判断率”模型只要在图中任意一个真实框位置找到目标就算这张图判断正确而mAP是逐框计算一个目标漏检或误检都会直接被扣分。解决先确认报告的数字是按框还是按图统计。做法是把验证结果里的Precision和Recall单独拉出来看如果查全率很低但准确率很高说明模型漏检多这时该放松置信度阈值而不是改模型。容易漏检的目标通常是小尺寸框单独看小目标的AP会比整体低不少。4.2 XML里的size字段和图像实际尺寸不一致边界框整体偏移现象训练时loss正常下降但可视化预测框时发现框都偏向左上角或整体缩小而且随着训练epoch推进偏移越来越明显。原因XML里size记录的宽度高度和实际用OpenCV读入的img.shape不一致。有些图片被压缩过标注时的坐标基于原始分辨率计算但XML里的尺寸忘了同步更新。解决写一个批量检查脚本把所有图片读一遍逐个对比root.find(size/width).text和cv2.imread(img_path).shape[1]。发现不一致时按实际图片尺寸把坐标重新等比缩放一遍再写入XML。这个问题在公开数据里出现概率很高364张的规模下人工检查完全可行。import cv2 import xml.etree.ElementTree as ET def check_size_mismatch(xml_path, img_dir): tree ET.parse(xml_path) root tree.getroot() img_path f{img_dir}/{root.find(filename).text} img cv2.imread(img_path) if img is None: print(f图片读取失败: {img_path}) return h, w img.shape[:2] xml_w int(root.find(size/width).text) xml_h int(root.find(size/height).text) if (xml_w, xml_h) ! (w, h): print(f{xml_path}: XML{xml_w}x{xml_h}, 实际{w}x{h})4.3 训练损失降到0验证mAP反而停滞现象训练到第60轮时训练集损失几乎降平精度指标也到了80多但验证集mAP不再上涨甚至轻微下跌。原因364张原图经过马赛克增强后确实能扩出不少变体但本质上模型已经见过大多数前景像素组合。迁移学习在小数据集上很容易陷入这种状态骨干网络的特征已经足够判别再训练只是把网络参数拟合到训练集噪声上。解决把重点从调参转到数据上。第一步先检查训练集和验证集之间是否有同批次图片泄漏可以用感知哈希比对相似图片第二步提高增强强度把hsv_h、hsv_s、hsv_v和degrees适当加大第三步是减少可训练参数从yolov5s降到yolov5n或者冻结骨干网络前10层只训练检测头。小数据集上减少容量比增加正则化更有效。4.4difficult1的样本没处理评估成绩虚高现象训练时把所有XML里的目标都算进去了包括标注为difficult1的模糊目标。最后测试成绩比数据集报告高出一截但实际部署到现场时误检率明显上升。原因difficult在PASCAL VOC里表示这个目标本身很难辨别评估标准允许忽略。训练时保留了这些样本会让模型为了拟合这些难例而调整决策边界边界往往会偏向更容易给出正例的方向部署时背景稍微复杂一点就开始误报。解决转换到YOLO格式时直接跳过difficult1的框。如果数据集里没有difficult字段则观察边界框坐标凡是框面积特别小或目标紧贴图片边缘的单独抽出来人眼判断一遍。不要默认所有框都适合进训练集。4.5 负样本图片太少模型学不会“什么都没有”现象推理时对纯背景的频谱图频繁给出误检框验证集上AP却没有暴露问题。原因364张图里如果几乎每张都有目标模型实际上没有见过足够多的“无目标”上下文。射频信号检测在真实场景里大量时间是没有无人机的模型却从来没见过这种空白频谱自然会把噪声尖峰识别成目标。解决这是一个数据分布问题不是模型问题。我一般会从无目标时间段截取同等数量的负样本图补进去或者训练时把目标框随机整框抠掉人为制造背景图。注意负样本图也要走同样的预处理流程不要从别的数据集拼图进来频谱样式不同反而会加重误检。5. 进阶实践用五折交叉验证确认94.3%的真实波动范围364张图只切一次训练、验证、测试结果是带运气成分的。要判断这个数据集值不值得作为你项目的基准我建议跑一次五折交叉验证看94.3%这个数字在多大区间里波动。如果五折之间相差超过3到4个点说明数据分布本身不够稳定后续你往里面追加新数据时成绩先降后升是正常现象。五折交叉验证的做法是把XML文件列表分成五份每轮取其中一份做验证其余做训练。注意每折的训练集中不要混入和验证集同批次的图片否则交叉验证就失去意义。import random from pathlib import Path xml_files list(Path(Annotations).glob(*.xml)) random.Random(2024).shuffle(xml_files) k 5 for fold in range(k): val_files xml_files[fold::k] train_files [x for x in xml_files if x not in set(val_files)] with open(ftrain_fold{fold}.txt, w) as f: f.write(\n.join([str(x.with_suffix(.jpg)) for x in train_files])) with open(fval_fold{fold}.txt, w) as f: f.write(\n.join([str(x.with_suffix(.jpg)) for x in val_files])) print(fFold {fold}: train{len(train_files)}, val{len(val_files)})每次fold换一批训练集和验证集得到五份独立评估结果。更严谨的交叉验证会同时记录每折的最佳epoch而不是统一固定100轮次。小数据集的收敛速度差异很大有的折在第30轮就到顶有的要到第80轮统一固定轮数会低估波动范围。在实测验证中五折成绩的均值比单次划分结果更有参考价值。如果数据集作者只给了一个94.3%而没说明方差最好自己跑五折后对外报告写成“平均正确识别率92.8%±2.4%”这类形式后续你做改进时才有可比基线。我自己的习惯是任何拿来的数据集第一件事不是跑训练而是先花半小时做数据分布检查——XML尺寸一致性、类别数量、框大小分布、批次场景是否重叠。这半小时节省的调参时间远比想象中多。换过很多数据集之后你会发现小数据集翻车很少因为模型不够强绝大多数时候是标签和数据划分的坑。希望这些经验能让你少走几步弯路。本文还有配套的精品资源点击获取