手机网站类型,沈阳企业宣传片制作公司,网站会员后台管理系统,人力资源信息管理平台AntiUAV600数据集的提出是为了适应真实场景#xff0c;即无人机可能会随时随地出现和消失。目前提出的Anti-UAV任务都只是将其看做与跟踪其他目标一样的任务#xff0c;没有结合现实情况考虑。
论文链接#xff1a;https://arxiv.org/pdf/2306.15767https://arxiv.org/pdf/… AntiUAV600数据集的提出是为了适应真实场景即无人机可能会随时随地出现和消失。目前提出的Anti-UAV任务都只是将其看做与跟踪其他目标一样的任务没有结合现实情况考虑。
论文链接https://arxiv.org/pdf/2306.15767https://arxiv.org/pdf/2306.15767 数据集链接Anti-UAV数据集 · 数据集https://modelscope.cn/datasets/ly261666/3rd_Anti-UAV/files
论文里面没贴准确的链接俺都是上网找的盆友们自行查看嗷我感觉这个数据集的内容乱七八糟的巴拉巴拉 1、Introduction 在现实世界中最具有挑战性的是无人机会随机地在任意地方出现和消失。已经被提出地跟踪器使用的数据集都要求视频第一帧包含跟踪目标这并不完全适应现实场景。因此论文作者团队提出了新的数据集Anti UAV600该数据集中的视频序列的第一帧中的跟踪目标随机出现。 2、Dataset Details AntiUAV600数据集中的序列包含了多样且具有挑战性的背景场景如多云的天空、城市环境、山脉、河流和森林等。 AntiUAV600数据集包括300个训练序列、50个验证序列和250个测试序列其中训练集热红外帧数为337K验证集热红外帧数为56K测试集热红外帧数为330K。使用热红外相机采集所有帧分辨率为640 × 512帧率为25帧/秒( fps )。下图是Anti UAV600与其他已经发布的数据集进行的对比。 值得注意的是上图中的(c)对比了DUT Anti-UAV数据集和Anti-UAV600数据集其中DUT Anti-UAV数据集中的视频序列中跟踪目标一直存在而Anti-UAV600数据集中的视频序列中的跟踪目标随机地出现、消失、再出现。
3、Data Annotation 论文作者没有详解介绍标注过程数据集中的每一帧都标注着七种具有挑战性的属性如下图所示感觉Anti-UAV任务的数据集的具有挑战性的属性都是一样的同学们可以类比着看。 下图是各种属性在不同子集的数量能很明显看出来视频帧中目标不存在的数据量还是很多的。 4、Evaluation Metric 因为AntiUAV600数据集提出的场景本来就跟Anti-UAV数据集不太一样因此论文作者提出了一个新的衡量标准实际上是在Anti-UAV提出的SA分数上新增了惩罚项新的衡量标准被称为Acc计算公式如下 第一项我就不在这里赘述了不清楚的朋友移步【目标跟踪】AntiUAV410数据集详细介绍-CSDN博客。对于第二项其中qt表示预测成功与否的标志1表示预测失败0表示预测成功vt表示真实可见标志类似于SA最终的Acc也是序列中所有帧的Acc分数的平均数。 第二项是惩罚项惩罚无人机目标存在但预测未能捕获任何目标区域的情况。这一项的提出也是对论文作者提出的检测跟踪框架大有助益的。对论文提出的检测跟踪框架感兴趣的同学可以去看看原论文我觉得作者还蛮有想法的后面看看代码再决定要不要写一篇博客介绍介绍
