083、无人机航拍小目标检测：VisDrone 数据集上的 YOLO 专项优化实战
一、从一次“漏检惨案”说起
去年夏天，我接手了一个无人机巡检项目——检测高空拍摄画面中的行人、车辆和骑行者。客户给的测试视频里，一个穿着白色T恤的人在树荫下慢跑，YOLOv8s 模型愣是没认出来。我盯着那个只有 12×8 像素的框，心里一万个草泥马：这玩意儿在 640×640 的输入里，连 0.5% 的面积都不到，模型能看见才怪。
VisDrone 数据集就是这种“地狱模式”的典型代表。它包含 10 类目标，从行人（Pedestrian）到三轮车（Tricycle），但绝大多数目标在原始图像中占比极小。我统计过，训练集中超过 60% 的目标面积小于 32×32 像素。用标准 YOLO 训练，mAP@0.5 能到 35% 就算烧高香，小类别的 AP 经常在 10% 以下。
二、数据预处理：别让模型“瞎看”
2.1 图像切分——把大图拆成小图
VisDrone 原始图像是 2000×1500 的，直接缩放到 640×640 会丢失大量细节。我试过最简单的 resize，结果小目标直接变成 3×3 的像素块，模型根本学不到特征。
正确做法：滑动窗口切分。我用的窗口大小是 640×640，步长 320（50% 重叠）。这样一张大图能切出 12-15 张小图，小目标在子图中的相对尺寸会变大。
