本文章概述了第三届反无人机挑战赛(Anti-UAV Challenge)的主要内容,包括多尺度目标跟踪和检测、公开的数据集和训练集等。此次比赛的全球参赛队伍约有 76 个,本文还介绍了各个赛道的前三名方法。
May, 2023
提供一个包含超过 580k 个边界框的数据集,命名为 Anti-UAV,可用于研究无人机(UAV)的跟踪任务及其性能,文中还提出了双流语义一致性(DFSC)的方法,可以通过视频序列中的语义流提高跟踪器的性能。
Jan, 2021
本文提出一个新的反无人机问题,即在没有无人机先前信息的复杂环境中感知无人机,为此我们提出了最大的无人机数据集 AntiUAV600 和新的评估指标,并开发了一种新颖的反无人机方法来解决该问题。
Jun, 2023
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
该研究提出了一种多模态无人机追踪和位姿估计方法,通过利用多模态传感器信息,包括立体视觉、各种雷达和音频阵列,以及针对无人机检测、分类和 3D 跟踪的困难,提高了准确度和稳健性,并在 MMUAD 数据集的分类和跟踪任务中取得了最好的性能。
May, 2024
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
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
该论文总结了 MaCVi 2023 国际研讨会围绕无人机和无人水面船舶的海洋计算机视觉的研究,并介绍了新的 benchmark,即 SeaDronesSee Object Detection v2。
Nov, 2022
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
该研究提出了一个用于无人机(UAV)物体检测应用的高空红外热数据集 HIT-UAV,其中包含来自学校、停车场、道路、游乐场等地采集的 2898 个红外热图像,将有助于提高 UAV 应用的性能。
Apr, 2022