Jun, 2024

DroneVis：无人机可变计算机视觉库

PDF
TL;DRDroneVis 是一个用于自动化 Parrot 无人机上的计算机视觉算法的新型库。该库提供了多种功能和计算机视觉任务，并提供了多种模型以供选择。它使用 Python 实现，遵循高质量的代码标准，便于根据用户需求进行自定义和功能扩展。此外，该库还提供全面的文档，包括使用指南和示例用例。
droneviscomputer vision algorithmsparrot dronespython libraryhigh-quality code standards
发现论文，激发创造
  • 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

  • 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

  • VisDrone-CC2020：无人机行人计数任务挑战的比赛结果

    本文介绍了无人机平台上群体计数的挑战，以及为了解决数据集的问题，提出了大规模数据集并组织相关挑战赛的方法。

    Jul, 2021

  • 天空中的眼睛：基于无人机的物体跟踪和三维定位

    本文提出了一种基于深度学习目标检测的无人机多目标跟踪和三维定位方案，将 TrackletNet Tracker（TNT）和多视图立体技术相结合，能够对设备拍摄的对象进行检测、跟踪并测定其三维坐标。

    Oct, 2019

  • 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

  • LAVIS: 用于语言 - 视觉智能的库

    LAVIS 是一个开源的深度学习库，旨在为语言视觉领域的研究人员和从业人员提供最新的发展，并支持许多任务的训练、评估和基准测试。

    Sep, 2022

  • AirSim 无人机竞速实验室

    介绍了 AirSim Drone Racing Lab 仿真框架，可用于自主飞行器比赛算法的快速原型设计，以在多个真实场景中测试计划、控制、视觉等算法和通过竞赛形式比较算法效果。

    Mar, 2020

  • 面向高性能目标检测的研究：基于 ViT 和基于 CNN 的深度学习模型的无人机检测的洞察

    使用无人机数据集以及卷积神经网络（CNN）和视觉变换器（ViT）模型，本文重新评估了准确的无人机检测任务，表明基本的 ViT 模型在单一无人机检测方面的性能比最佳 CNN 迁移学习模型提升了 4.6 倍，并且通过多无人机检测实现了令人印象深刻的 98% 和 96% 的 mAP 值。作者总结了 ViT 和 CNN 模型的独特特点，以帮助未来研究者开发更高效的深度学习模型。

    Aug, 2023

  • 基于 DNN 的 64mW 自主纳米无人机视觉导航引擎

    本文介绍了一种用于小型自主飞行器（如无人机）的自主导航引擎，此引擎基于神经网络和并行低功耗计算平台 GAP8，可以使得纳米无人机在严格的实时约束下完整地执行复杂的深度卷积神经网络，以实现闭环端到端可视化导航，同时系统耗能相对较小，且不会对飞行结果进行任何妥协。

    May, 2018

  • 梦幻无人机

    DreamDrone 是一种从文本提示生成无限飞行场景的创新方法，通过特征对应引导扩散过程和中间潜在编码的高级编辑技术，能够以几何一致性生成新颖的视角，并提供具有卓越视觉质量的高度真实的场景生成，这是从文本提示进行零样本持久视图生成的重要进展。

    Dec, 2023