Jul, 2020

使用航空影像技术进行真实世界场景下的大规模汽车检测数据集 EAGLE

PDF
TL;DREAGLE 是一种大规模的数据集，用于航空图像中多类车辆的检测，并包含了各种各样的真实世界情况，由定向边界框定义并注释，支持研究雾霾和阴影去除以及超分辨率和修补应用。
vehicle detectionairborne imagerydatasetobject orientationeagle
发现论文，激发创造
  • 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

  • DOTA：大规模航空图像目标检测数据集

    本文介绍了一个大规模的遥感图像数据集 DOTA，该数据集为地球观测和遥感领域中的目标检测提供了基础，并提出了一种基准模型和评测方法。

    Nov, 2017

  • 航拍图像中的车辆重新识别：数据集和方法

    本文提出了一个包含 13k 车辆实例的、用于车辆重新识别的大规模 UAV 数据集，并设计了一种专门的车辆重新识别算法来充分利用数据集中的丰富注释信息，可以显式地检测每个特定车辆的判别部分，并明显优于测试基线和现有车辆重新识别方法。

    Apr, 2019

  • 面向汽车的大规模基于事件的检测数据集

    本研究介绍了用于事件相机的第一个非常大的检测数据集，包含超过 39 小时的汽车记录，涵盖城市，高速公路，郊区和乡村场景等多个不同的驾驶场景和各种天气和照明条件。该数据集的可用性将有助于事件感知视觉任务的主要进步，例如目标检测和分类，并期望在自监督学习方法等其他任务中获得好处。

    Jan, 2020

  • 将车辆映射到鸟瞰图中的学习

    本文提出了一种语义感知变换的方法，将仪表板摄像机视图中的检测结果映射到场景的更广泛、俯视的占用图中，通过大量的合成数据和深度神经网络的训练实现，结果表明该模型能够在真实世界的数据上进行泛化。

    Jun, 2017

  • Cityscapes 3D: 面向 9 自由度车辆检测的数据集和基准

    该研究提出一种基于单目 RGB 图像的三维车辆检测方法，为此创建了 Cityscapes 3D 数据集，包含了所有类型车辆的三维标注信息，使得与基于 lidar 的方法相比具有更高效率和更大范围的标注信息。此外，研究将 2D 实例分割与 3D 包围盒成对提供，以便多任务学习。这对自动驾驶技术有着很重要的意义。

    Jun, 2020

  • EVD4UAV: 无人机避开车辆检测的高度敏感基准

    本研究提出了一种新的数据集 EVD4UAV，用于高度敏感的无人机中对车辆进行检测，包含多样的高度、车辆属性和详细的标注信息，并实施了基于白盒和黑盒的补丁攻击方法来攻击三种典型的深度神经网络目标检测器，实验结果表明这些攻击方法无法实现稳定的高度无关的攻击性能。

    Mar, 2024

  • AU-AIR：低空交通监控多模式无人机数据集

    本文提出了一种多用途的多模态传感器航空数据集（AU-AIR）, 旨在弥合计算机视觉和机器人学之间的差距，并通过多种类型的记录数据进行真实环境的移动物体检测训练和测试，包括自带计算机的无人机。

    Jan, 2020

  • 基于深度透视变换的鸟瞰图车辆定位

    自动驾驶汽车的导航系统需要准确理解周围环境，本文提出了一个替代方法，通过生成场景的顶视图，提取其他车辆相对于自我车辆的距离和方向，同时通过将透视图 RGB 图像转换为鸟瞰地图的方法，有效捕捉了自动驾驶汽车所需的重要环境信息。

    Nov, 2023

  • AID：航拍场景分类性能评估基准数据集

    本论文介绍了 Aerial Image Dataset（AID）这一用于航空场景分类的大型数据集，并深入探讨了现有的航空场景分类技术以及最近广泛使用的深度学习方法，并为评估这一数据集的性能提供了基准结果。

    Aug, 2016