简介无人机频射信号检测数据集包含364张原始图片及对应的XML标注文件平均正确识别率达到94.3%能够直接用于目标检测模型的训练与评估。资源面向计算机视觉、无人机识别与射频信号处理方向的学生和开发者解决无人机目标标注数据匮乏、标注格式不统一等问题。压缩包共728个文件其中364个JPG图像与364个Pascal VOC格式XML一一对应整体体积约136.89MB结构简洁易于导入主流检测框架。已有700人学习下载数据经过预标注和筛选可省去人工标注环节。通过该数据集可开展无人机频射信号特征分析、目标检测模型调优、可视化与精度验证等实验适用于课程设计、算法比赛及科研预研场景。1. 反无人机不是靠摄像头94.3% 识别率的频射信号检测数据集能做什么夜间或雾天飞手藏在几百米外遥控无人机黑飞光电吊舱很可能连一个像素都拍不到。频射信号检测走的是另一条路直接捕捉无人机与遥控器、图传模块之间的无线电信号在时频图上把它“框”出来。这套数据集只有 364 张原始图片却拿到了平均正确识别率 94.3% 的基线并且标注格式是 Pascal VOC XML——这意味着不用改造直接就能灌进目标检测流程。对做反无人机、频谱监测和无线信号感知的工程师它最大的价值不是数据量而是帮你用一小撮高质量样本把「信号变成图像再检测」这套流程完整跑通并得到一个可以复盘的可信基线。2. 认识数据格式射频信号图与 Pascal VOC XML 标注是怎么对应起来的2.1 为什么射频检测也要转成图片而不是直接用 I/Q 流很多刚接触这个方向的人会问射频信号检测不是应该拿 I/Q 数据做调制识别吗怎么会是图片常见做法是先把采集到的 I/Q 样本做短时傅里叶变换取功率谱密度并映射成一张灰度图。这样一来横轴是时间纵轴是频率亮度代表该频点在对应时刻的信号能量无人机的遥控、图传信号会呈现出一条或多条明显的能量带和图里一根柱子、一辆车的语义没有本质区别。把信号变成图片的最大好处是能直接复用视觉目标检测那一整套工具链。YOLO、SSD、Faster R-CNN 全都能直接用不需要为序列信号重新写损失函数和数据管道。364 张原始图片之所以不显得离谱是因为频射数据的采集成本高要布置接收机、控制飞行器、改变飞行距离和姿态还要保证周围没有同频干扰每一帧图都来之不易。所以这个规模的数据集在射频检测领域并不算小反而更考验标注和数据划分的严谨性。这里还有一个容易误解的点边界框框住的不是无人机在照片里的像素位置而是信号在时频图上的时间范围和频率范围。比如一个框可能是“第 3.2 秒到第 4.1 秒、频率 2.41 GHz 附近存在疑似遥控信号”这对后续定位干扰源、做频谱占用分析才是有实际意义的输出。2.2 一份 XML 标注文件里到底有哪些字段Pascal VOC 是目标检测里最常见的标注格式之一LabelImg 导出的就是这种结构整个标注的主体是一个annotation根节点里面包含图片文件名、图片尺寸和若干个object对象。每个对象里会有name表示类别bndbox表示真实框的绝对像素坐标。一个典型的文件结构如下annotation folderdrone_rf/folder filenamerf_000123.jpg/filename size width1280/width height720/height depth3/depth /size object namedrone_signal/name difficult0/difficult bndbox xmin412/xmin ymin188/ymin xmax633/xmax ymax256/ymax /bndbox /object object nameremote_control_signal/name difficult0/difficult bndbox xmin220/xmin ymin310/ymin xmax390/xmax ymax368/ymax /bndbox /object /annotation需要注意几个极容易出错的点。第一这套格式里没有 , 是框左上角坐标右下角坐标是 , 坐标单位是像素不是归一化值第三 标记为 1 的难例在很多训练流程里会被忽略如果你的模型在识别率上差那么一两个点可以先检查是不是这些难例参与了训练。文件里的图片宽度 1280、高度 720这个尺寸信息后面转换 YOLO 格式时极度关键任何一边写错框都会整体漂移。2.3 用 Python 把整个数据集捋一遍统计类别、图片数和标注框数动手训练之前我一般会先写一个统计脚本把数据集的“基本盘”摸清楚。新建一个inspect_voc.py遍历Annotations目录下所有 XML 文件统计图片数量、每个类别的目标数量以及平均每张图的框数import os import xml.etree.ElementTree as ET ann_dir Annotations classes_count {} image_count 0 box_total 0 for xml_name in sorted(os.listdir(ann_dir)): if not xml_name.endswith(.xml): continue image_count 1 tree ET.parse(os.path.join(ann_dir, xml_name)) root tree.getroot() for obj in root.iter(object): name obj.findtext(name) # 难例默认参与统计但后面训练时要留意 difficult obj.findtext(difficult) or 0 classes_count[name] classes_count.get(name, 0) 1 box_total 1 print(f图片数量: {image_count}) print(f标注框总数: {box_total}) print(f平均每张图框数: {box_total / max(image_count, 1):.2f}) print(各类别目标数:) for k, v in classes_count.items(): print(f {k}: {v})这段代码逻辑不复杂关键是把os.listdir做了排序保证每次运行输出的顺序一致方便你肉眼对比前后改动有没有影响统计结果。obj.iter(object)是遍历所有 object 节点即使 XML 嵌套结构稍有不同也能兜底。这里还有个容易被忽略的参数如果某些 XML 里没有size字段但你的转换脚本要依赖图片宽高这种文件一定要先揪出来不然后期归一化会出现“除以 0”或错位问题。统计数据出来后你会对这个数据集有个整体感觉364 张图总共多少个框、每张图平均几个目标、框面积占整图比例多少这直接决定了后面增强策略和模型输入尺寸的选择。如果平均框数不到 1说明很多图是负样本需要优先保证正负样本比例如果框普遍很小就需要把输入分辨率调高或者用小 anchor 的模型。3. 把 Pascal VOC 转成 YOLO 格式转换脚本与三个必做的校验点3.1 为什么必须转格式VOC 的 XML 在训练时并不好用Pascal VOC 是“给人看”的标注格式但主流检测框架的训练接口早就向 YOLO 的 txt 或 COCO 的 json 靠拢了。YOLO 系列期望的标注是每个 txt 文件同行对应一个目标格式为class_id x_center y_center width height并且这四个位置数值都缩放到 0 到 1 之间。坐标归一化的好处是训练时不受输入图片分辨率影响可以随心所欲地把图缩放到 640、672 或 1280。为什么不直接让 YOLO 读 XML因为 YOLO 原生的数据加载器只认 txt另外 VOC XML 里缺少固定的类别索引映射你还要额外维护 name 到 id 的字典。与其在框架内部捣鼓那些黑匣子一样的钩子不如花五分钟写一个脚本把 364 张图的标注一次性转换干净。这种转换不是只做一次就结束后面每新增一批带标注图片都要重复执行所以脚本要把“增量转换”的幂等性也考虑进去。3.2 一个可直接复用的 xml2yolo.py 转换脚本下面这份脚本是我处理大量 VOC 数据集时的常用模板改成你的路径后可以直接跑import os import xml.etree.ElementTree as ET voc_root VOCdevkit/drone_rf ann_dir os.path.join(voc_root, Annotations) img_dir os.path.join(voc_root, JPEGImages) out_dir os.path.join(voc_root, labels) classes [drone_signal, remote_control_signal] # 类别一旦确定顺序不要轻易改否则已生成的 txt 全部作废 os.makedirs(out_dir, exist_okTrue) for xml_name in sorted(os.listdir(ann_dir)): if not xml_name.endswith(.xml): continue xml_path os.path.join(ann_dir, xml_name) tree ET.parse(xml_path) root tree.getroot() # 从 XML 里读图片尺寸读取顺序是先 size 再取宽高 size root.find(size) img_w int(size.findtext(width)) img_h int(size.findtext(height)) stem xml_name[:-4] lines [] for obj in root.iter(object): name obj.findtext(name) if name not in classes: continue cls_id classes.index(name) box obj.find(bndbox) xmin float(box.findtext(xmin)) ymin float(box.findtext(ymin)) xmax float(box.findtext(xmax)) ymax float(box.findtext(ymax)) # 转换成归一化中心点与宽高 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 顺手钳制边界浮点误差会带来 0.0001 级别的越界 x_center min(max(x_center, 0.0), 1.0) y_center min(max(y_center, 0.0), 1.0) w min(max(w, 0.0), 1.0) h min(max(h, 0.0), 1.0) lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) # 没有目标的图也要生成空 txtYOLO 训练时才会正确地把它当负样本 out_path os.path.join(out_dir, stem .txt) with open(out_path, w) as f: f.write(\n.join(lines)) print(f转换完成共处理 {len(os.listdir(ann_dir))} 个 XML 文件)这段脚本的关键参数是classes列表它的顺序决定了训练时每个类别的 id比如drone_signal的 id 是 0remote_control_signal是 1。我见过有人先转换完再往列表中间插入一个类别结果所有旧 txt 的 class id 全部错位后期排查非常痛苦。另外脚本里对 bbox 做了一次 0 到 1 的钳制虽然看起来是多余的“安全阀”但在手工标注边界误差比较大的数据集里能避免训练时 YOLO 读取越界坐标直接报RuntimeError。转换完成后正常来说你的目录应该长这样drone_rf/ ├── images/ # 原始图片 │ ├── rf_000123.jpg │ └── ... ├── labels/ # 转换后的 YOLO 标注 │ ├── rf_000123.txt │ └── ... └── dataset.yaml # 给 YOLO 用的数据描述文件3.3 转换后三个校验点可视化、数值检查、类别顺序确认转换脚本写完别急着训练。白纸黑字的数值对不对必须可视化验证这才是“后悔药”能生效的地方。第一个校验点是画框把 txt 里的坐标读回来套在图上看看框和信号能量带对没对上。常见的错误是输出框整体向右下方偏移那基本是读取 XML 时把 xmin 和 ymin 搞反或者宽度高度解析错位。第二个校验点是直接打印几个 txt 文件的内容确认每一行的五列数字都在 0 到 1 之间并且前两列不是 0 或 1 这种极端值。如果发现某个目标 w 或 h 是 1.0说明这个框大到几乎占满整张图要看是不是标注失误。第三个校验点最容易被忽略检查 txt 里的 class id 和你的dataset.yaml里的类别顺序是否一一对应。直接看一眼文件夹就会发现labels 里没有独立文件存类别名所以只能靠脚本里维护的 classes 顺序来保证一致性。我一般会把classes.index(name)改成先print一遍cls_id和name的对应关系确认无误后再批量转换。4. 在 364 张图上逼近 94.3%训练配置与增强参数4.1 364 张图远不够直接硬训增强策略是第一生产力三百多张图直接丢给 YOLO 硬训几乎所有三年以上经验的工程师都会摇头。目标检测模型参数量动辄几千万见过的目标模式远比这几百张图丰富强行拟合的结果就是训练 loss 一路狂掉、验证指标原地踏步。所以数据增强不是锦上添花而是整个训练流程的合法“外挂”。对射频信号时频图而言增强动作和自然图像有微妙的差别。水平翻转对应时间轴反向对检测信号没有影响可以用垂直翻转对应频率轴上下颠倒这在物理上会改变“信号频率是高于还是低于某条基准线”的语义我一般不建议开。此外时频图对亮度不敏感因为亮度代表的是信号强度但不同距离和功率下信号强度本来就有差异所以随机亮度对比度扰动相当于模拟不同距离的采集效果合理。用 albumentations 时我会这样配置import albumentations as A train_transform A.Compose([ A.HorizontalFlip(p0.5), A.RandomBrightnessContrast(brightness_limit0.2, contrast_limit0.2, p0.5), A.GaussianNoise(var_limit(0.01, 0.05), p0.3), A.Rotate(limit3, border_mode0, p0.2), ], bbox_paramsA.BboxParams(formatpascal_voc, label_fields[category_id]))这里的Rotate我只给了 3 度的限制而不是常规自然图像常用的 15 度。原因前面说了频率轴是物理维度旋转角度过大会把本来在 2.4 GHz 附近的信号扭到荒谬的位置。border_mode0表示旋转产生的空白区域补零在时频图背景下等价于没有信号这样不会污染能量分布。label_fields参数一定要带上否则增强时无法同步变换每个框的标签。4.2 模型选型为什么小模型比大模型更适合这个数据集在只有 364 张图的前提下模型容量越大过拟合风险越高。常见做法是选 YOLOv8n 或 YOLOX-s 这类轻量化版本参数量在 300 万到 900 万之间既能跑出不错的特征表达又不会因为参数过多而把小数据集的噪声照样背下来。你可能会问既然平均正确识别率 94.3%是不是模型越大越容易达到不是的小数据集上大模型更容易掉进局部最优而且在训练后期出现 loss 震荡。我也建议保留 ImageNet 预训练权重不要从零开始训练。虽然时频图和真实照片差距很大但预训练模型在底层学到的边缘、纹理、对比度特征仍然可以迁移尤其是检测框定位所需的边界信息。选择模型时“能跑通”比“指标极限高”更重要先用 YOLOv8n 做一次完整训练摸清这个数据集的难度再决定要不要换大模型。364 张图的训练时长通常只有几十秒到几分钟这个试错成本完全可以接受。4.3 训练命令与必调超参数从 dataset.yaml 到一次完整训练转换好格式后需要准备一个dataset.yaml来告诉 YOLO 数据在哪里、类别有哪些path: /path/to/drone_rf train: images val: images test: images names: 0: drone_signal 1: remote_control_signal注意我这里 train 和 val 暂时填同一个目录真实使用必须划分出独立验证集后面带头交叉验证时再动态改路径。接下来跑训练yolo train \ modelyolov8n.pt \ datadrone_rf.yaml \ imgsz640 \ epochs200 \ batch16 \ patience30 \ optimizerAdamW \ lr00.001这个命令里的参数值得逐个说清楚。imgsz640是输入分辨率如果你的信号框普遍很小建议提高到 1280代价是显存占用变大但小目标召回率会有肉眼可见的提升。patience30表示如果验证集指标连续 30 轮没有提升就提前结束训练这是防止后段过拟合的最直接护栏。lr0从 0.001 起步而不是默认的 0.01是因为小数据集用大学习率容易震荡起步保守一些后面才好调整。训练完成后你会在runs/detect/train目录里看到一堆指标曲线和best.pt那个best.pt就是后面要用来做验证和推理的模型。5. 避坑小数据集上的 4 个高频问题与排查5.1 指标虚高但实战漏检94.3% 是正确率还是 mAP现象训练完在验证集上跑的指标很好看接近或者超过标题里的 94.3%但在真实录制的射频信号里漏检严重框和信号区域明显错位。原因这边说的“平均正确识别率”到底指什么必须先搞清楚。如果它是分类准确率也就是整张图里有没有无人机那和检测任务里的 mAP 完全不是一回事。分类准确率只要把大多数含信号样本的图猜对就能刷上去而检测要求框的位置和类别同时正确难度高一个量级。另外小数据集的单次随机划分容易虚高测试集里混入了和训练集同段采样的相邻帧。解决不要只看训练输出的总的指标。用yolo val modelbest.pt datadrone_rf.yaml splitval时同时打印出 P、R、mAP50、mAP50-95 四项指标。如果R召回率明显低先把置信度阈值降到 0.25 看能不能找回框再从数据增强和输入分辨率上找原因。更重要的是指标只能代表测试集不代表真实场景必须单独留一段“从未参与训练”的连续信号做盲测。5.2 训练 loss 很低但验证 mAP 上不去小数据集过拟合现象前三四十轮验证指标还在缓慢攀升后面训练 loss 持续下降验证 loss 却反弹mAP50卡在 60% 上下再也动弹不得。原因这就是典型的小数据过拟合。模型把训练图里的背景纹理、噪声斑点都记住了却没有学到信号特征的普适规律。364 张图里多数是同一架无人机、同一个场地、同一组频率采集的样本多样性不足验证集稍微换个场景分数就掉。解决先把增强强度提上去尤其是高斯噪声和亮度扰动让模型不能靠“某块区域一直有高亮”这种捷径来做判断。然后把骨干模型冻结层数增加只让 head 部分更新比较快。最后也是最有效的办法是把训练集和验证集按采集批次分开而不是随机乱切这样验证分数才能反映模型真实泛化能力。5.3 转换后边界框整体偏移半格或错位现象可视化时发现所有框都往右下方偏移了十几个像素或者框比信号区域大了一圈看到有人因此怀疑数据集标注错直接准备删掉一批图。原因绝大多数是转换脚本里宽高读错。比如读取 XML 里size时读到了depth或者归一化公式把xmax - xmin写成了xmax xmin。还有可能是图片在采集后被批量压缩或裁剪过但 XML 里写入的尺寸还是原始尺寸导致坐标全部按旧尺寸归一化。解决先随机抽五张图做可视化不要只看一张。把渲染脚本里读取的图片实际宽高打印出来和 XML 里的widthheight对比。如果发现不一致以实际图片为准重新转换同时以后在保存图片和标注时把尺寸校验写进数据预处理步骤发现不对直接报错不要默默吞掉。5.4 训练/验证随机划分导致同源信号泄漏分数虚高现象K 折交叉验证每一折的 mAP 都在 90% 以上但换到真实采集的新数据测试直接掉到 50% 以下典型的高分低能。原因频射信号数据最大的特点是时间相关性。相邻几帧的时频图看起来非常相似如果随机划分数据集同一段采集序列的帧会同时出现在训练集和验证集里模型等于见过“考试原题”验证分数当然好看。这种问题在图像数据集里不明显但在射频场景里非常普遍。解决必须按采集批次或时间窗口分组。比如同一架次、同一个位置采集的图片归入同一个 group划分训练/验证/测试时以 group 为单位确保同一 group 的图片不会跨集合出现。你可以把每张图片的文件名带上采集批次号比如batch03_frame012.jpg然后用groupkfold来切分。这个操作看起来麻烦但它是得到可信 94.3% 指标的前提否则你的一切努力都是在和随机划分玩抽奖。6. 验证与进阶用 364 张图算出可信的 94.3%再做多帧投票6.1 K 折交叉验证小数据集最靠谱的估分方式364 张图做一次随机划分验证结果可能和换一个 random seed 后的结果差三到五个点这个波动足以淹没你的调参收益。我现在的习惯是直接上 5 折交叉验证每折只训练 728不每折用约 291 张图训练、73 张验证。图不多YOLOv8n 训练五轮也就一台普通游戏本几分钟的事。用sklearn.model_selection.GroupKFold按采集批次分组得到五个模型后把每折的 mAP 取平均同时记录标准差。如果标准差大于两个百分点说明某一组数据特别难或者标注有异常需要先回去检查那批图。交叉验证的另一个附加好处是能让你看到“哪个采集场景最难”。把每折的验证指标按 batch 汇总难的那个 batch 往往就是现场环境和其它批次差异最大的后续补数据时优先补这个场景。6.2 用混淆矩阵和 PR 曲线定位剩下的 5.7% 错误假设经过分组 K 折模型平均正确识别率确实是 94.3%那剩下的 5.7% 错误到底错在哪里决定你下一步该改模型还是改数据。对目标检测任务别只看总准确率要把验证集结果保存下来输出混淆矩阵和 PR 曲线。如果这是单类别任务混淆矩阵很简单重点看 PR 曲线在高召回区域有没有“悬崖式下跌”。如果曲线在 recall 0.9 附近直接掉到零说明模型对最后 10% 的难样本彻底无能为力这时优先考虑提高输入分辨率而不是盲目加大增强强度。如果数据集里包含多类信号比如遥控信号和图传信号混淆矩阵能告诉你哪两类常常互判混淆。实际经验里同一架无人机的遥控和图传信号频率很接近时频图特征也相似模型极容易把一个能量带判成另一类。这种情况下不要急着增数据先调整标注的类别定义看这两类是否本质上就难以区分必要时合并成一个大类重新训练。6.3 进阶把单帧检测改成多帧滑动窗口投票单张时频图检测容易受瞬时噪声影响一个偶发的脉冲可能被当成无人机信号。如果你拿到的数据集是连续采集时间上切片而来的就可以把相邻 N 帧的检测结果做一次投票把只在极少数帧里出现的候选框直接滤除掉。这个操作几乎不增加显存开销却能把真实检测准确率再往上推一两个点。伪代码大致是这样def slide_vote(detections_per_frame, window5, min_votes3): voted [] for i in range(len(detections_per_frame)): window_dets detections_per_frame[max(0, i-window//2): iwindow//21] # 如果同一个信号区域在超过 min_votes 帧里都被检测到保留 if count_same_box(window_dets) min_votes: voted.append(window_dets[i]) return voted实现时需要注意两帧之间的框匹配常用 IoU 阈值 0.3 来判断是否同一个目标。这个技巧特别适合射频检测场景因为无人机信号通常是持续存在的而干扰脉冲是短暂的时间维度上的高投票数天然就是强先验。把投票窗口从 5 调大到 11可以显著降低误报但对短暂进入探测区域的快速穿越无人机会有漏判风险这个 trade-off 要看具体部署环境。我现在拿到任何小样本检测数据集第一件事一定是把框可视化出来看一遍第二件事就是按采集批次做分组交叉验证绝不会只跑单次随机划分就看分数。那一次的教训来自一个射频数据集随机划分测试 mAP 高达 95%部署到另外一个场地直接跌到 40%折腾了两天才发现是数据泄漏。这个习惯救过我很多次。364 张图的标签数据很贵但无效的验证流程会让这些昂贵的数据白费。希望帮到你。本文还有配套的精品资源点击获取
