Apr, 2018

视觉与无人机：一项挑战

PDF
TL;DR本篇论文介绍了一个名为 VisDrone2018 的大规模视觉对象检测和跟踪基准，目的在于推进基于无人机平台上的视觉理解任务，其包含了 14 个不同城市的各种城市 / 郊区地区的图像和视频序列，并提供了丰富的标注，如物体边界框的位置，物体类别，遮挡，截断比等，是迄今为止发表的最大的数据集之一，可广泛评估并研究在无人机平台上的视觉分析技术。
发现论文，激发创造
  • 无人机遇见检测与跟踪挑战

    本文介绍了一个被称作 VisDrone 的大规模数据集并探讨了无人机平台上的目标检测与跟踪算法。

    Jan, 2020

  • VisDrone-CC2020：无人机行人计数任务挑战的比赛结果

    本文介绍了无人机平台上群体计数的挑战，以及为了解决数据集的问题，提出了大规模数据集并组织相关挑战赛的方法。

    Jul, 2021

  • 无人机基准测试：目标检测和跟踪

    本文着重于构建一个针对复杂场景的无人机基准测试数据集，并对基准测试集中的物体检测、单目标跟踪和多目标跟踪进行了详细的定量分析，实验结果表明目前最先进的方法在这个数据集上的表现相对较差，给出了这一问题的多方面解决方案。

    Mar, 2018

  • SeaDronesSee：开放水域人类检测的海上基准

    本文介绍了一个旨在填补从陆基视觉系统到海基系统的差距的大规模视觉目标检测和跟踪基准（SeaDronesSee），我们从各种高度和视角，提供海拔，视角和其他元数据等相关信息，收集和注释了超过 54,000 帧，包括 400,000 个实例，并在此基础上评估了多个最先进的计算机视觉算法。

    May, 2021

  • SynDrone – 城市场景下多模态无人机数据集

    为了解决现有数据集图片数量有限的问题，本文提出了一个包含图像和三维数据的多模态综合数据集，该数据集包含 28 类的像素级标注，并可用于深度网络架构的有效训练，结果表明其在合成数据和实际数据的适应方面具有良好的前景。

    Aug, 2023

  • BioDrone: 用于稳健视觉的仿生无人机单目标追踪基准

    单一物体追踪是计算机视觉中的一个基本问题，本研究提出了 BioDrone，这是第一个基于仿生无人机的视觉基准，旨在通过追踪微小目标和连续帧之间的巨大变化来评估 SOT 方法的鲁棒性，为 SOT 提供了新的鲁棒性视觉基准。

    Feb, 2024

  • 航拍图像中的物体检测：大规模基准和挑战

    本研究介绍了一个大规模的 DOTA 数据集，包括从 11,268 个航拍图像中收集的 18 个分类的定向边界框注释的 1,793,658 个物体实例，并基于此构建了覆盖 70 多种配置的 10 种最新算法的基线，还提供了 ODAI 的代码库和用于评估不同算法的网站。

    Feb, 2021

  • 天空中的眼睛：基于无人机的物体跟踪和三维定位

    本文提出了一种基于深度学习目标检测的无人机多目标跟踪和三维定位方案，将 TrackletNet Tracker（TNT）和多视图立体技术相结合，能够对设备拍摄的对象进行检测、跟踪并测定其三维坐标。

    Oct, 2019

  • 无人机在人群中的检测、跟踪和计数：一个基准测试

    通过新构建的无人机大规模数据集 DroneCrowd，该研究设计了一种名为 STNNet 的算法，旨在解决密集人群中的物体检测、跟踪和计数。该算法借助空间 - 时间领域中下文信息处理相机拍摄的无人机视频，并通过邻域上下文丢失函数解决密集人群中的物体检测跟踪问题，并取得最先进技术方案的竞争结果。

    May, 2021

  • 达标游戏

    该研究提出了一个基于虚拟世界的视觉感知基准测试套件，通过对超过 250,000 个高分辨率视频帧的低层次和高层次的视觉任务进行全面地注释，并针对多个任务分析了最先进方法的表现，提供参考基线和突出未来研究的挑战。

    Sep, 2017