无人机港口水域船舶目标检测数据集
数据集面向港口监控、水域交通感知、无人机视角船舶识别与海事视觉巡检任务设计，收录了港口、码头、航道及近岸水域等场景下的船舶与水面目标图像。数据集中包含多尺度船舶目标、复杂港区背景、远近距离目标、船舶遮挡与多目标共现等情况，可用于船舶目标检测、水面目标识别、港区智能巡检与海事视觉感知算法的训练和评测。
类别：数据集（目标检测），共约 228 MB
检测子集规模：包含 6092 张图像，按 train/val/test 划分，其中训练集、验证集和测试集分别有 4262、1222 和 608 张图像。
标注规模：共 12879 个目标框，其中 Container 5535 个、Tugboat 4364 个、Passenger-RoRo 1703 个、Buoy 573 个、Pilot 397 个、Chemical 307 个。
图像分辨率：以 640x640 图像为主。
标注：包含边界框检测标注，为 YOLO TXT 格式。
类别：Buoy、Chemical、Container、Passenger-RoRo、Pilot、Tugboat，共 6 类。
无人机港口水域船舶目标检测数据集信息表
| 信息项 | 详细内容 |
|---|---|
| 数据集名称 | 无人机港口水域船舶目标检测数据集 |
| 任务类型 | 2D目标检测 |
| 整体大小 | 约 228 MB |
| 图像总数量 | 6092 张 |
| 数据集划分 | 训练集：4262 张 验证集：1222 张 测试集：608 张 |
| 总标注目标框 | 12879 个 |
| 类别总数 | 6类 |
| 目标类别及标注数量 | Buoy(浮标)：573 个 Chemical(化工船)：307 个 Container(集装箱船)：5535 个 Passenger-RoRo(客滚船)：1703 个 Pilot(引航船)：397 个 Tugboat(拖船)：4364 个 |
| 图像分辨率 | 主流为 640×640 |
| 标注格式 | YOLO TXT 边界框标注 |
| 场景特点 | 覆盖港口、码头、航道、近岸水域；存在多尺度目标、远距离目标、目标遮挡、多目标共存、复杂港区背景 |
| 适用场景 | 港口监控、水域交通感知、无人机海事巡检、水面船舶识别算法训练与评测 |
一、环境依赖
pipinstallultralytics opencv-python numpy二、数据集目录结构
port_ship/ ├── train/ │ ├── images │ └── labels ├── val/ │ ├── images │ └── labels ├── test/ │ ├── images │ └── labels └── data.yaml三、数据集配置文件 data.yaml
path:./port_shiptrain:train/imagesval:val/imagestest:test/imagesnc:6names:0:Buoy1:Chemical2:Container3:Passenger-RoRo4:Pilot5:Tugboat四、YOLOv26 训练代码 train_port_ship.py
fromultralyticsimportYOLOif__name__=="__main__":model=YOLO("yolov26s.pt")model.train(data="./port_ship/data.yaml",epochs=100,imgsz=640,batch=8,device=0,workers=0,lr0=0.01,patience=18,mosaic=1.0,perspective=0.002,degrees=10,project="runs/train",name="yolov26_port_ship",exist_ok=True)五、评估与推理代码 predict_eval.py
fromultralyticsimportYOLO# 加载最优模型权重model=YOLO("runs/train/yolov26_port_ship/weights/best.pt")# 模型指标评估metrics=model.val(data="./port_ship/data.yaml")print(f"mAP@0.5:{metrics.box.map50}")# 单图推理model("test.jpg",save=True)# 视频推理# model("port_video.mp4", save=True)补充提示
- 针对数据集多尺度、遮挡、复杂水面背景，代码已开启透视、旋转数据增强，提升模型泛化能力。
- 显存不足时，下调
batch为 4/2；无GPU将device=0改为device="cpu"。 - 确保图片与对应TXT标注文件名称完全一致。