HoloMine

HoloMine是一个合成数据集，由微波全息成像传感器收集的41,800个埋藏物体的微波全息图像（2D）及其全息反转扫描（3D）组成，包含地雷、杂散物和陶器物体等不同类型的埋藏对象。该数据集通过结合实际物体和地面场景的全息图，利用严谨的过程创建出逼真的全息图，以模拟埋藏物体。数据集包含了多种场景下的2D和3D图像，用于分类和定位任务，有助于推动计算机视觉方法在自动地雷检测方面的研究，以降低排雷过程的风险和成本。HoloMine is a synthetic dataset consisting of 41,800 2D microwave holographic images and 3D holographic inversion scans of buried objects, collected via microwave holographic imaging sensors. It covers diverse buried object categories including landmines, clutter, and ceramic artifacts. The dataset is constructed through a rigorous workflow that combines holograms of real-world objects and ground scenes to generate realistic holographic simulations of buried targets. It provides 2D and 3D image data across multiple scenarios, tailored for classification and localization tasks. This dataset aims to promote the advancement of computer vision methods for automated landmine detection, thereby reducing the risks and costs incurred during demining operations.

搜集汇总

数据集介绍

构建方式

HoloMine数据集的构建采用了微波全息成像传感器，收集了41,800张微波全息图像（2D）及其全息倒扫描（3D），涵盖了地雷、杂物和陶器等不同类型的埋藏物体。数据集的构建过程包括室内和室外扫描，以及将室内扫描的物体全息图与室外土壤全息图融合。通过加权求和的方式，将室内扫描的物体全息图与室外土壤全息图进行融合，以模拟真实的埋藏物体场景。此外，还采用了角谱算法进行全息图像的重建，以获取物体的形状和位置信息。

使用方法

HoloMine数据集的使用方法包括：1) 数据预处理，对采集到的微波全息图像进行预处理，包括滤波、去噪等操作；2) 图像融合，将室内扫描的物体全息图与室外土壤全息图进行融合，以模拟真实的埋藏物体场景；3) 全息图像重建，采用角谱算法对全息图像进行重建，以获取物体的形状和位置信息；4) 深度学习模型训练，使用深度学习模型对全息图像进行分类、检测和分割等任务。

背景与挑战

背景概述

地雷探测与清除是一项复杂且危险的任务，需要先进的遥感技术来降低参与此任务的专业人士的风险。HoloMine数据集的创建旨在为研究人员提供一个宝贵的资源，以便观察、测量、定位和解决地雷探测中的问题。该数据集由41,800张微波全息图像（2D）及其全息逆扫描（3D）组成，包括地雷、杂物和陶器等不同类型的地下物体。这些数据是通过微波全息摄影传感器收集的。研究人员评估了在HoloMine数据集上训练的几种最先进的深度学习模型在各种分类任务中的性能。尽管结果尚未达到高性能，但展示了该任务的难度。研究人员相信，由于全息雷达的可获得精度和分辨率，该数据集在推动地雷探测领域取得进展方面具有巨大潜力。据我们所知，HoloMine数据集是同类数据集中的第一个，并将有助于推动计算机视觉方法的研究，以自动化地雷探测，从而降低排雷过程中的风险和成本。

当前挑战

HoloMine数据集面临的挑战包括：1)构建过程中所遇到的挑战，如创建真实数据集的困难，由于地雷位置的不可预测性和对象-地面稳定所需的时间；2)解决领域问题的挑战，如区分塑料地雷和其他可能的物体（如石头、木材和反步兵地雷），以及检测非常浅埋的地雷和小的非金属物体。此外，全息雷达技术本身也存在局限性，如对相位误差的敏感性和处理高频数据的能力不足。尽管存在这些挑战，但研究人员相信，HoloMine数据集是地雷探测研究领域的重要贡献，可以提供各种场景下地下物体的准确和现实表示。

常用场景

经典使用场景

HoloMine 数据集主要用于地雷检测任务，为研究人员提供了一个宝贵的资源，以便观察、测量、定位和解决地雷检测中的问题。该数据集包含 41,800 张微波全息图像（2D）及其全息反向扫描（3D），涵盖了不同类型的地下物体，包括地雷、杂物和陶器物体。通过使用微波全息照相传感器收集这些图像，研究人员可以训练和评估深度学习模型在地雷检测方面的性能。

解决学术问题

HoloMine 数据集解决了创建真实数据集的难题，因为地下物体的位置不确定，且需要时间进行物体-地面稳定。此外，该数据集提供了大量合成全息图，可以轻松地模拟不同的场景和条件，这对于物理物体在地面上是不可能的。通过使用全息图和全息图反转的性质，该数据集融合了扫描并获得了最大的合成数据集，用于地下地雷和杂物的检测。

实际应用

HoloMine 数据集在实际应用中可以用于开发自动化的地雷清除系统，这些系统可以处理地下地雷。此外，该数据集还可以用于训练和评估深度学习模型在地雷检测方面的性能，以提高检测的准确性和效率。该数据集还可以用于研究和开发新的地雷检测技术，以降低排雷过程中的风险和成本。

数据集最近研究

最新研究方向

HoloMine数据集的最新研究方向集中在利用微波全息成像技术对埋藏地雷进行自动识别和定位。这一领域的前沿研究热点包括合成数据集的创建、深度学习模型的性能评估以及全息雷达在探测地雷中的应用。HoloMine数据集为研究人员提供了41,800个微波全息图像及其全息反转扫描，包括地雷、杂波和陶器等多种埋藏物体的2D和3D图像。该数据集的创建克服了传统数据集创建过程中对象位置不确定和时间消耗的问题，通过将空中扫描和地面扫描融合，生成高度逼真的合成全息图像。实验结果表明，尽管深度学习模型在埋藏地雷探测方面表现出潜力，但仍需进一步提高准确率以适应实际应用需求。HoloMine数据集的发布旨在促进该领域的研究，鼓励开发更先进的深度学习架构和训练策略，以提高地雷探测性能。

相关研究论文

• HoloMine: A Synthetic Dataset for Buried Landmines Recognition using Microwave Holographic Imaging

  媒体集成与通信中心，佛罗伦萨大学 · 2025年