May, 2023

VDD：用于语义分割的多样化无人机数据集

PDF
TL;DR本研究提出了用于语义分割的无人机图像数据集，其中包含种类丰富、规模大、清晰度高的无人机图像，同时提出并测试了一种新的 DeepLabT 模型，该模型基于 CNN 和 Transformer 架构，在 VDD 数据集上具有很好的性能。
semantic segmentationdrone imagesaerial image processingdatasetdeeplabt model
发现论文，激发创造
  • 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

  • 无人机深度和障碍物分割数据集 DDOS

    为了解决真实世界航空数据集的稀缺性问题，以及针对薄物体在航空视图中的检测和分割带来的关键问题，我们提出了一个新颖的合成数据集，专为航空视图中的深度和语义分割任务而设计。利用照片逼真的渲染技术，我们的数据集为使用合成监督训练方案训练模型提供了宝贵的资源，同时引入了新的针对航空深度准确性的无人机特定度量标准。

    Dec, 2023

  • UAVid: 一份用于无人机图像语义分割的数据集

    介绍并推广了 UAVid 数据集，即用于语义分割的无人机高分辨率影像数据集。该数据集采用斜视图拍摄，结合侧视和俯视角度，可为对象的识别提供更多信息，并提供了几种深度学习基线方法，其中提出的多尺度扩张网络效果最好。

    Oct, 2018

  • 视觉与无人机：一项挑战

    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。

    Apr, 2018

  • 航空语义分割和深度估计的森林巡查数据集

    通过使用 UAV 监测森林环境的变化，本研究介绍了一个新的大型航拍数据集，用于森林巡视任务，该数据集包含了真实和虚拟记录的自然环境，密集标注的语义分割标签和深度图，并研究了不同采集条件下多尺度神经网络的性能以及从虚拟数据到真实数据的迁移学习能力，结果表明，最佳结果来自于包含多种情景的数据集，而非将数据按特定类别分离。还开发了一个评估地区森林破坏程度的框架。

    Mar, 2024

  • IDDA: 一个用于自动驾驶的大规模多领域数据集

    本文提出了一个新的大规模合成数据集，用于解决自动驾驶中语义分割的领域适应问题，在各种天气和视角条件下，涵盖了七种不同类型的城市，提出了语义分割的挑战。

    Apr, 2020

  • 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

  • Agriculture-Vision: 农业模式分析大型航空图像数据库

    本文介绍了一个名为 Agriculture-Vision 的大规模农业航空图像数据集，通过对该数据集进行语义分割的实验，证明了农业在计算机视觉领域中仍面临着许多挑战。

    Jan, 2020

  • 斯坦福无人机数据集比我们想象的更复杂：关键特征分析

    研究论文通过分析 Stanford Drone Dataset 的关键特征，使用信息理论方法并实施编码器来展示这些特征对预测性能的影响，并提供 SDD 和 inD 数据集的比较，为使用 SDD 的人提供信息源，以增加方法的性能和可再现性。

    Mar, 2022

  • UAVD4L：无人机六自由度定位的大规模数据集

    设计了一个大规模无人机数据集，采用两阶段的 6 自由度定位流程，利用此方法进行可视化定位，并在新数据集上进行了实验证明其有效性。

    Jan, 2024