类别ID	型号	中文名称	类型
A1	SU-35	苏-35	战斗机
A6	TU-160	图-160	战略轰炸机
A12	TU-22	图-22	轰炸机
A17	TU-95	图-95	战略轰炸机
A19	SU-34	苏-34	战斗轰炸机
A20	SU-24	苏-24	战斗轰炸机

美国空军 (14种)

类别ID	型号	中文名称	类型
A2	C-130	C-130	运输机
A3	C-17	C-17	运输机
A4	C-5	C-5	运输机
A5	F-16	F-16	战斗机
A7	E-3	E-3	预警机
A8	B-52	B-52	战略轰炸机
A9	P-3C	P-3C	反潜巡逻机
A10	B-1B	B-1B	战略轰炸机
A11	E-8	E-8	联合监视机
A13	F-15	F-15	战斗机
A14	KC-135	KC-135	空中加油机
A15	F-22	F-22	隐身战斗机
A16	F/A-18	F/A-18	战斗攻击机
A18	KC-10	KC-10	空中加油机

数据集

本模型使用 MAR20 (Military Aircraft Recognition) 数据集训练。

MAR20 是目前规模最大的公开遥感图像军用飞机目标识别数据集：

图像数量: 3842 张高分辨率遥感图像
目标实例: 22341 个
飞机型号: 20 种
标注方式: 水平边界框 + 有向边界框 (OBB)
数据来源: 全球 60 个军用机场 (Google Earth)

数据集论文: MAR20：遥感图像军用飞机目标识别数据集

禹文奇, 程塨, 王美君, 姚艳清, 谢星星, 姚西文, 韩军伟. 2023. MAR20：遥感图像军用飞机目标识别数据集. 遥感学报, 27(12): 2688-2696. DOI: 10.11834/jrs.20222139

数据集下载: https://gcheng-nwpu.github.io/

性能指标

指标	数值
mAP50	97.5%
mAP50-95	89.0%
精确率	96.5%
召回率	96.8%

训练详情

基础模型: yolo11m-obb.pt (DOTAv1 预训练)
训练轮次: 100
批量大小: 8
图像尺寸: 1024
优化器: Auto (AdamW)
学习率: 0.01 -> 0.0001 (余弦退火)
GPU: NVIDIA GPU with CUDA

多尺度训练优化参数

yaml

multi_scale: true       # 多尺度训练
cos_lr: true            # 余弦退火学习率
close_mosaic: 20        # 最后20轮关闭马赛克增强
scale: 0.9              # 缩放范围扩大 (0.1-1.9)
mosaic: 1.0             # 马赛克增强
mixup: 0.1              # MixUp增强
degrees: 10.0           # 旋转增强
translate: 0.2          # 平移增强
flipud: 0.5             # 垂直翻转
fliplr: 0.5             # 水平翻转
patience: 50            # 早停耐心值
warmup_epochs: 5        # 预热轮次

使用方法

基本用法

python

from ultralytics import YOLO

# 加载模型
model = YOLO("path/to/best.pt")

# 推理
results = model("satellite_image.jpg")

# 显示结果
results[0].show()

# 获取检测详情
for box in results[0].obb:
    cls_id = int(box.cls)
    conf = float(box.conf)
    coords = box.xyxyxyxy  # OBB 的 8 个坐标点
    print(f"类别: {model.names[cls_id]}, 置信度: {conf:.2f}")

从 HuggingFace 加载

python

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

# 下载权重
weights_path = hf_hub_download(
    repo_id="Mercyiris/yolo11m-obb-aircraft",
    filename="best.pt"
)

# 加载模型
model = YOLO(weights_path)

# 推理
results = model("military_airport.jpg", imgsz=1024)

类别名称映射

python

# A1-A20 到飞机型号的映射
CLASS_NAMES = {
    "A1": "SU-35", "A2": "C-130", "A3": "C-17", "A4": "C-5",
    "A5": "F-16", "A6": "TU-160", "A7": "E-3", "A8": "B-52",
    "A9": "P-3C", "A10": "B-1B", "A11": "E-8", "A12": "TU-22",
    "A13": "F-15", "A14": "KC-135", "A15": "F-22", "A16": "F/A-18",
    "A17": "TU-95", "A18": "KC-10", "A19": "SU-34", "A20": "SU-24"
}

训练曲线

混淆矩阵

预测样例

许可证

Apache 2.0

引用

如果使用此模型，请引用：

bibtex

@misc{yolo11m-obb-aircraft-2025,
  title={YOLOv11m-OBB Military Aircraft Detection Model},
  author={Xie, KaiYuan and Yan, TingXuan},
  year={2025},
  publisher={HuggingFace},
  url={https://huggingface.co/Mercyiris/yolo11m-obb-aircraft}
}

如果使用了 MAR20 数据集，请同时引用：

bibtex

@article{yu2023mar20,
  title={MAR20: A benchmark for military aircraft recognition in remote sensing images},
  author={Yu, Wenqi and Cheng, Gong and Wang, Meijun and Yao, Yanqing and Xie, Xingxing and Yao, Xiwen and Han, Junwei},
  journal={Journal of Remote Sensing},
  volume={27},
  number={12},
  pages={2688--2696},
  year={2023},
  doi={10.11834/jrs.20222139}
}