DIB-10K 是一个具有挑战性的图像数据集，包含了一万多种不同类型的鸟类，旨在促进机器学习和鸟类学研究，但不拥有这些图像的版权，只提供缩略图。

Sep, 2020

该研究介绍了使用定制四轴飞行器收集的 Blackbird 无人机数据集，用于评估敏捷感知技术，包含 168 次飞行、17 种飞行轨迹、5 种环境、高达 7.0ms^-1 的速度以及 120Hz、100Hz、190Hz 和 360Hz 的多种传感器数据，数据集可用于研究高性能感知算法。

Oct, 2018

本文介绍了一个新的半监督识别数据集，该数据集包含来自 iNat-2018 数据集中抽样得到的 1000 种鸟类，总共近 15 万张图像。该数据集的存在挑战着现有文献中的半监督识别技术，因为它包含领域外数据、类不平衡和类之间的微妙相似性。

Mar, 2021

自动捕捉动物姿态正在改变我们对于神经科学和社交行为的学习，本文提出了一种模型和多视角优化方法，用于捕捉鸟类的独特形状和姿态，并引入了一个管道和实验，实现了从单个视角恢复精确的鸟类姿态的关键点、掩码、姿势和形状回归。

Aug, 2020

通过实施四种不同类型的长短期记忆（LSTM）模型来预测鸟类的经度和纬度，研究证明 LSTM 模型可以高准确度地预测鸟类的行动，并将其纳入飞行计划中可以大大减少鸟类与飞机相撞的可能性。

Dec, 2023

本文介绍了建立高效鸟类计数系统的流程，利用合成数据集进行密度图估计，使用模型压缩技术和高效模型结构降低了存储成本从而提高了推理速度。

Dec, 2019

本文介绍了 AVOIDDS，这是一个逼真的目标检测基准测试，包含了 72000 个逼真的图片数据集，以及相应的模型评估接口和整个仿真问题的解决方案，在安全关键应用中，这样的基准测试将有助于设计稳健的机器学习系统。

Jun, 2023

EAGLE 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。

Jul, 2020

本研究介绍了一个大规模的合成孔径雷达 (SAR) 机场数据集，旨在为 SAR 图像中机场检测研究提供基准数据，并通过多种深度学习方法的实验验证了数据集的有效性。

Apr, 2022

该论文提出了一个名为 SOD4SB 的新的 SOD 数据集，包含 39,070 张图像和 137,121 个鸟实例，旨在解决远距离小物体检测中的噪声、模糊和信息不足等挑战，并介绍了此挑战的细节、获奖方法、数据集、基准代码和公开测试集评估网站。

Jul, 2023