摘要：SARD，是一个用于训练AI模型识别无人机航拍图像中伤亡人员的高质量数据集。
【导读】
在户外救援，如何快速找到可能的伤者和被困人员？如何高效调度无人机完成图像识别与搜索任务？今天带来一个专为无人机搜索与救援场景打造的人物检测数据集——SARD：无人机搜救数据集更多资讯可加入CV技术群获取了解哦~
SARD：无人机搜救数据集
SARD，是一个用于训练AI模型识别无人机航拍图像中伤亡人员的高质量数据集。
它不仅考虑了人物在不同姿态下的表现，还涵盖了各种地形地貌——为真实搜救场景中的目标检测任务提供了良好支持。
数据集特点
共计 1,981 张高空图像，来自真实搜救模拟视频帧
图像由专业人员使用 LabelImg 工具手动标注
每个人物目标都带有详细 边界框和动作分类
标签分类（共6类）
站立 健康个体，可能等待救援
行走 搜救中的被困人员
跑步 紧急撤离中的目标
坐着 疲劳、等待状态
躺着 可能受伤/失去意识重点关注目标
未定义 模糊/遮挡/判断困难
场景样本多样化
数据收集过程特意挑选了具有挑战性的地形地貌：
低矮草地、高草丛
碎石路、采石场
森林边缘、阴影区域
从多架无人机模拟飞行路线中抓取画面帧
有效提高模型在自然复杂背景中的鲁棒性和泛化能力。
获取方式：
Coovally平台训练实测
该数据集已经在Coovally平台完成整理，支持YOLO、Mask-rcnn等主流分割算法一键训练。同时还支持可视化验证和多模型对比。
千款模型+海量数据，开箱即用！
Coovally平台汇聚国内外开源社区超1000+热门模型，覆盖YOLO系列、Transformer、ResNet等主流视觉算法。同时集成300+公开数据集，涵盖图像分类、目标检测、语义分割等场景，一键下载即可投入训练，彻底告别“找模型、配环境、改代码”的繁琐流程！
从实验到落地，全程高速零代码！
无论是学术研究还是工业级应用，Coovally均提供云端一体化服务：
免环境配置：直接调用预置框架（PyTorch、TensorFlow等）；免复杂参数调整：内置自动化训练流程，小白也能轻松上手；高性能算力支持：分布式训练加速，快速产出可用模型；无缝部署：训练完成的模型可直接导出，或通过API接入业务系统。平台链接：
数据集亮点
贴近实际救援任务，模拟各种人物行为状态小样本高质量，适合进行小样本学习或模型预训练适配多种目标检测模型：如 YOLOv8、RT-DETR、Faster R-CNN、SAM 等可用于应急响应系统、智能搜救无人机部署、灾区AI检测辅助平台小结
SARD 数据集填补了无人机救援场景下人物检测领域的重要空白，具有极高的实用价值。
无论你是进行算法研究、工程落地，还是参与AI公益项目，这都是一个不可多得的真实、高质量数据源。
未来我们还将持续分享更多优质数据集与开源工具，关注我，一起拓展AI的边界，让视觉真正服务现实世界。
来源：小码科普君
