UAVDT是一个具有大规模的挑战性的无人机检测和跟踪基准（即10小时原始视频中约8万帧的代表性帧），用于3项重要的基本任务，即目标检测（DET）、单目标跟踪（SOT）和多目标跟踪（MOT）。 数据集由无人机在各种复杂场景中捕获。本基准中关注的对象是车辆。使用边界框和一些有用的属性（例如，车辆类别和遮挡）对帧进行手动注释。 UAVDT基准由100个视频序列组成，这些视频序列是从城市地区多个地点的UAV平台拍摄的超过10小时的视频中选择的，代表各种常见场景，包括广场、主干道、收费站、高速公路、交叉口和T形交叉口。视频以每秒30帧（fps）的速度录制，JPEG图像分辨率为1080×540像素。 该数据集包含的是原始图片，不包括注释 参考： D. Du, Y. Qi, H.g Yu, Y. Yang, K. Duan, G. Li, W.g Zhang, Q. Huang, Q. Tian, " The Unmanned Aerial Vehicle Benchmark:

1、YOLOv5、v3、v4、SSD、FasterRCNN系列算法旋翼无人机目标检测，数据集，都已经标注好，标签格式为VOC和YOLO两种格式，可以直接使用，共两部分，由于数量量太大，分为两部分，这里是第一部分 2、part2 数量：6000多张 3、classes: drone 4、有需要的可以下载

无人机检测数据集，此为第六部分，标签格式为txt和xml两种，可以直接用于YOLO系列目标检测算法实现无人机检测，类别名为drone，数量为6000多张

1、YOLO系列算法旋翼无人机目标检测，数据集，都已经标注好，标签格式为VOC和YOLO两种格式，可以直接使用，共量部分，由于数量量太大，分为两部分，这里是第一部分 2、part1数量：5000多张 3、classes: drone 4、有需要的可以下载

无人及机目标检测之测试集，用于测试，数量为500张左右，包含两架无人机，类别名为drone,标签格式为txt和xml两种，可直接用于YOLO 目标检测，测试模型训练效果

YOLOv5-deepsort 无人机多个目标跟踪，代码以配置好，下载后配置环境就可以使用，包括有训练好的YOLOv5s-drone.pt和YOLOv5m6-drone.pt两个模型，并附上了测试视屏和跟踪结果，并可提取目标运动的质心坐标以及可以绘制出目标 的运动轨迹，有使用说明可以参考，目标类别名为drone，YOLOv5的代码为版本5，用于检测和跟踪空中的无人机

yolov5无人机目标检测训练权重,附代码，代码为yolov5版本五，训练的 模型为yolov5s，目标类别名为drone,用于检测空中旋翼无人机，训练好的权重和曲线图保存载runs/train文件夹中，有需要的可以下载

drone无人机数据集，用于目标检测和跟踪，3300多张，目标包含大中小各种尺度的无人机，类别名drone，标签格式为txt,和xml两种，可直接用于YOLO目标检测和deepsort 目标跟踪等等

聪明的蜜蜂 无人机对象检测和跟踪。 培训与检测 我已经为远程控制直升机创建了自己的数据集。 使用图像增强来增强数据集。 训练数据集由从内部和外部录制的视频中提取的帧组成 结果： 在最后一张图片中可以看到最令人惊讶的结果，在该图片中，网络检测到了直升机的阴影。 追踪 根据跟踪对象距图像中心的距离来发出移动命令。 距离越远，运动将越积极。 为了进行跟踪，我使用了预训练网络（VOC）来控制直升机，确保无人机不会同时坠毁将是一个挑战。 意大利面代码，随时问任何问题。 工作依据： 二手图书馆： https://github.com/aleju/imgaug