我们提供了长波红外感应的野外火灾数据集 (WIT-UAS)，用于在野外火灾环境中对机组和车辆资产进行监测。这是首个专注于野外火灾环境的资产检测数据集，通过该数据集进行训练可以显著降低虚警率。

Dec, 2023

应用 EfficientDET 和无监督 RX 光谱分类器两个计算机视觉系统在 Wu-Murad 野外搜救努力中，对 98.9GB 的无人机图像的挑战进行详细说明，并确定了未来研究的 3 个方向。

Jul, 2023

本文提出了一个开放的多模式全天候映射数据集和挑战，包括光学和 SAR 数据，以及建筑物足迹标注，用于探索 SAR 数据在灾害响应和建筑物足迹提取方面的应用效果，发现使用光学预处理的 SAR 数据在建筑物足迹提取中取得了更好的效果。

Apr, 2020

本文介绍了一种提高当前航拍野火数据集质量的方法，旨在适应相机技术的进步，并提出了一种基于 CycleGAN 的流程以及一种新颖的融合方法，通过将配对的 RGB 图像作为属性调节器集成到两个方向的生成器中，从而提高了生成图像的准确性。

Jan, 2024

描述无人机图像采集中的缺陷，给出了优化计算机视觉 / 机器学习后处理图像适应性的五项建议，并描述了野外搜救事件中无人机使用的概念工作流程。

Sep, 2023

利用卫星图像进行野火监测在实际应用中具有重要的潜力。为了推动机器学习算法在这一领域的发展，本研究引入了 Sen2Fire 数据集，这是一个专门用于野火监测的具有挑战性的卫星遥感数据集。通过选择特定的波段组合，采用标准化烧伤比（NBR）和标准化植被指数（NDVI）等光谱指数的组合，优化了野火的检测效果。另外，本研究强调了集成 Sentinel-5 气溶胶数据对野火监测的积极影响。

Mar, 2024

自动驾驶汽车在相机、激光雷达和雷达传感器的支持下进行环境导航。为解决相机和激光雷达在恶劣天气如雪、雨、雾中的表现问题，文章介绍了 SemanticSpray++ 数据集，其中包含了湿地表面情境下相机、激光雷达和雷达数据的标注信息，为不同感知方法在湿地表面条件下车辆行驶时的性能分析提供了综合性测试环境。文章还介绍了综合性的数据统计以及对多个基线方法在不同任务中的评估和性能分析。该数据集将在指定的 URL 上提供。

Jun, 2024

使用来自热像和视觉的信息进行失配图像合成和融合（MISFIT-V）是一种新型的双重无监督深度学习方法，利用生成对抗网络（GAN）和交叉注意机制从每个模态中捕获最相关的特征。实验结果表明，与现有的视觉 - 热像融合方法相比，MISFIT-V 在失配和光照 / 热环境条件较差的情况下具有增强的鲁棒性。

Sep, 2023

本研究提供了首个在自然环境中进行航空机器人操作的公开 RGB - 热数据集。该数据集捕捉了美国大陆各种地形，包括河流、湖泊、海岸线、沙漠和森林，并包含了同步的 RGB、长波热、全球定位和惯性数据。此外，我们为自然环境常见的 10 个类别提供语义分割注释，以促进对逆境天气和夜间条件下鲁棒的感知算法的开发。利用该数据集，我们提出了热和 RGB - 热语义分割、RGB 到热图像转换和视觉惯性测程的新的具有挑战性的基准测试。通过使用最先进的方法进行广泛的实验并强调了我们的数据中面临的时间和地理领域变化所带来的挑战。数据集和附带的代码将在此 https 网址上提供。

Mar, 2024

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