La detección de vehículos desde vehículos aéreos no tripulados (UAV) ha ganado una atención creciente debido a la creciente disponibilidad y accesibilidad de estas plataformas. Los videos capturados por UAV han demostrado ser valiosos en una variedad de aplicaciones, incluyendo agricultura, seguridad y operaciones de búsqueda y rescate. Para apoyar la investigación en la detección de vehículos basada en UAV, este documento presenta UTUAV: Vehículo Aéreo No Tripulado de Tráfico Urbano, un conjunto de datos compuesto por imágenes de video de tráfico recolectadas sobre las calles de Medellín, Colombia. Las imágenes se graban desde una posición semi-estática a dos altitudes diferentes (100 y 120 m) e incluyen tres tipos de vehículos anotados manualmente: automóviles, motocicletas y vehículos grandes. El análisis se centra en las principales características y desafíos presentados en el conjunto de datos. En particular, la fuga de datos ocurre cuando un solo video se utiliza para construir los conjuntos de entrenamiento, validación y evaluación. Una división de datos inadecuada puede resultar en muestras altamente similares filtrándose en el conjunto de evaluación, lo que lleva a métricas de rendimiento infladas que no reflejan la verdadera capacidad de generalización de un modelo. Además, se presentan resultados de referencia de modelos de detección de objetos de última generación basados en CNN y Transformers (YOLOv8, YOLOv11, YOLOv12 y RT-DETR). Los experimentos destacan varios desafíos, incluyendo la dificultad de detectar objetos a pequeña escala, especialmente motocicletas, y las limitadas capacidades de generalización bajo cambios de altitud, un fenómeno comúnmente referido como cambio de dominio.